基于CSP和SFFS-SFBS的两级双向脑电导联特征选取方法

针对多任务运动想象条件下脑电导联选取质量差、搜索时间长的问题,提出了一种基于公共空间模式(CSP)和顺序浮动双向选择算法(SFFS-SFBS)的两级导联特征选取方法.首先,结合空域滤波分析各个被试的时频特性,确定相应的特征时间和特征频率;然后由训练集的CSP滤波系数计算各个导联在特征提取过程中的权重大小,根据权重排序缩小导联搜索空间;最后,运用以训练集交叉检验正确率为评价准则的SFFS-SFBS算法在相应的搜索空间内双向选择最优的导联序列.实验结果表明,在保证较高分类正确率的前提下,与传统SFFS算法和改进SFFS算法相比,该方法选取的导联数量分别减少了51. 36%,47. 52%,对应的搜索时间缩短了90. 95%,80%.因此,基于CSP和SFFS-SFBS的两级特征选取方法可快速选择优质导联序列,有效提高脑机接口的实际使用性能.