电子学报 ›› 2017, Vol. 45 ›› Issue (7): 1660-1667.DOI: 10.3969/j.issn.0372-2112.2017.07.016

• 学术论文 • 上一篇    下一篇

基于矩阵灰建模的单次P300检测新方法

谢松云, 张娟丽, 段绪, 刘畅, 李亚兵   

  1. 西北工业大学电子信息学院, 陕西西安 710072
  • 收稿日期:2016-01-21 修回日期:2016-04-22 出版日期:2017-07-25
    • 作者简介:
    • 谢松云,女,1968年4月出生,福建人.分别于1997年和2001年在西北工业大学获得硕士和博士学位,2013年获得柏林工业大学博士后学位.现为西北工业大学电子信息学院教授、博士生导师.主要研究方向为目标跟踪与识别,神经信息处理以及灰色理论、机器学习等.E-mail:syxie@nwpu.edu.cn;张娟丽,女,1989年2月出生,陕西宝鸡人.2011年于西北工业大学获得工学学士学位,现为西北工业大学硕士研究生.主要从事脑功能信号处理方法的研究.E-mail:zjl_cathy@163.com
    • 基金资助:
    • 国家自然基金 (No.61273250); 陕西省科技攻关项目 (No.2015GY003); 校研究生创业种子基金 (No.Z2015112)

A New Single Trial P300 Classification Method Based on Matrix Grey Modeling

XIE Song-yun, Zhang Juan-li, DUAN Xu, LIU Chang, LI Ya-bing   

  1. School of Electronics and Information, Northwestern Polytechnical University, Xi’an, Shaanxi 710072, China
  • Received:2016-01-21 Revised:2016-04-22 Online:2017-07-25 Published:2017-07-25

摘要:

针对少导联P300单次提取识别率较低的问题,提出了一种基于矩阵灰建模的参数模型法提取特征的方法,提高了P300单次识别率.首先对脑电信号进行预处理,然后选择导联组合,接着对每个Epoch进行建模,将模型参数作为特征向量输入SVM分类识别.结果表明,单次P300的平均识别率为91.43%,叠加平均3次正确率可高达97.87%.

关键词: P300特征提取, 矩阵灰建模, 单次识别

Abstract:

Aiming at the drawback of low identification accuracy in single trial P300 feature extraction and classification,a parameter model method based on Matrix Grey Modeling to extract P300 feature was proposed to raise the recognition accuracy of the visual evoked potential P300 in single trial classification.Firstly,EEG signal was preprocessed,and then channel set selection was applied.After that,the model parameters of Matrix Grey Modelling for each epoch was connected as the feature vector and were input to the SVM classifier.The experimental results show that the average accuracy of single trial P300 across all the subjects is 91.43%,and the accuracy can be up to 97.87% if 3 times averaging is used.

Key words: P300 feature extraction, matrix grey modeling, single trial identification

中图分类号: