脑机接口中基于mrp的半监督判决空间模式法 semi-supervised discriminative spatial patterns based on mrp for brain-computer interfaces.pdfVIP

TJ u¨平 帚 斗卺 爿奇。删 ElectronicSci．＆ Tech．／Aug．15．2011 脑机接 口中基于 MRP的半监督判决空间模式法 吕 俊 (广东工业大学 自动化学院，广东 广州 510006) 摘 要 在脑 一机接 口研究中，如果训练样本少，判决空间模式法不能很好地提取运动相关电位特征。为此，文 中在半监督框架下，采用 自训练方法，引入分类置信度高的无标记样本，迭代学习MRP的空间判决模式。实验结果 验证了所提算法的有效性。 关键词 脑 一机接 口；运动相关 电位 ；判决空间模式法 中图分类号 TN911．7；R318 文献标识码 A 文章编号 1007—7820(2011)08—033—03 Semi-SupervisedDiscriminativeSpatialPatternsBasedonMRP forBrain-ComputerInterfaces LnJun (CollegeofAutomation，GuangdongUniversityofTechnology，Guangzhou510006，China) Abstract Inthestudyofbrain—computerinterface，ifthenumberoftrainingsamplesissmall，thefeaturesof movementrelatedpotentialscannotbewellextractedbydiscriminativespatialpattern algorithm．Thusinthispaper， semi-supervisedself-trainingschemeisemployedtoinducetheunlabelledsampleswithhighconfidencesandlearn thediscriminativepatternsofMRPsiteratively．Theresultsofexperimentsdemonstratetheeffectivenessofthepro— posedalgorithm． Keywords brain—computerinterface；movementrelatedpotential；discriminativespatialpattern 近 年来，基 于肢 体运动 意识 的脑 一机 接 口 总结以上3种方法，除了第一种，其他两种均是 (Brain—ComputerInterface，BCI)研究取得了长足的进 在监督学习框架下优化空间滤波器，需要估计各类脑 展 ，受到广泛 的关注H 。其主要生理背景之一 即： 电信号样本的中心。但是在 BCI研究中，考虑到被试 运动相关电位(MovementRelatedPotential，MRP)L3“。 者的精神负荷 ，训练样本的数量往往不多，而且这些 MRP具体表现为：在运动发生之前的准备阶段，相应 训练样本容易受到肌电、眼电等各种伪迹的污染，难 的大脑感觉皮层区7Hz以下的慢节律脑电波在幅值 以准确地估计其中心，从而使空间滤波器的优化受到 上呈下降变化 。迄今为止，针对 MRP的特征抽取 影响，造成MRP判别模式的泛化能力较弱。为此文中 方法大致有3种 ：第一种方法直接提取各电极约3Hz 针对DSP，在半监督框架下采用 自训练机制，引入分 的脑电信号，在时间上的平均幅值作为特征 J。该 类置信度高的无标记样本，迭代学习MRP空间判别模 方法最常用，却忽略了MRP源信号与各伪迹之间的 式。在实验部分，随机抽取 BCIcompetitionIdataset 混叠关系。第二种方法将 MRP在幅值上的缓慢下降 Il8不 同数量的训练样本，验证 了半监督 DSP的有 视作振荡变化的一种特殊情况，修改共同空问模式法 效性。 (Common