黄璐 1,3 , 王宏 2
  • 1. 东北大学 中荷生物医学与信息工程学院, 沈阳 110819;
  • 2. 东北大学 机械工程与自动化学院, 沈阳 110819;
  • 3. 大连海洋大学 信息工程学院, 大连 116023;
导出 下载 收藏 扫码 引用

特征提取是基于P300的脑机接口(BCI)系统中非常关键的步骤。独立分量分析(ICA)算法是效果较好的P300特征提取方法,但目前常用的ICA迭代方法收敛性能均不理想。提出一种基于量子粒子群优化(QPSO)和ICA算法的P300特征提取方法。该方法利用量子计算在计算速度上的优势,加快了ICA算法的全局收敛,达到了快速有效提取P300的目的。实验针对BCI Competition Ⅱ dataset Ⅱb和BCI Competition Ⅲ dataset Ⅱ两组公共数据集进行测试,提取出的P300特征送入线性分类器,系统识别正确率在15次叠加平均情况下达94.4%。实验结果表明,本文方法用于P300特征提取,在保证提取效果的同时,计算速度更快,为在线BCI系统的进一步研究提供了实验基础。

引用本文: 黄璐, 王宏. 基于量子粒子群优化和独立分量分析的脑电特征提取. 生物医学工程学杂志, 2014, 31(3): 502-505. doi: 10.7507/1001-5515.20140093 复制