基于RCE的空间滤波方法在运动想象#br#
 电位识别中的应用

doi:10.3969/j.issn.10062475.2014.09.026

计算机与现代化

基于RCE的空间滤波方法在运动想象#br# 电位识别中的应用

1.中国人民解放军91604部队，山东龙口265700； 2.大连民族学院信息与通信工程学院，辽宁大连116600

收稿日期:2014-06-24 出版日期:2014-10-10 发布日期:2014-11-04
作者简介:张守中(1976)，男，山东日照人，中国人民解放军91604部队工程师，硕士，研究方向：计算机应用技术，信息处理技术；肖瑛（1979）,女（蒙古族），河北隆化人，大连民族学院信息与通信工程学院副教授，博士，研究方向：通信信号处理。
基金资助:
国家自然科学基金资助项目（61201418）；中央高校基本科研业务费专项资金资助项目（DC12010218）；辽宁省高等学校优秀人才支持计划（LJQ2013126）

RCEbased Spatial Filtering Method for Recognition of Motor Imagery Potential

1. PLA 91604 Unit， Longkou 265700， China;
2. College of Information and Communication Engineering， Dalian Nationality University， Dalian 116600， China

Received:2014-06-24 Online:2014-10-10 Published:2014-11-04

摘要/Abstract

摘要：

在对运动想象电位进行模式识别时，需要对原始信号进行滤波以提取信号中区分度较高的成分用于分类，而在噪声较为严重时，滤波方法会导致有用信息的丢失，从而降低分类正确率。针对该问

题，本文提出节律成分提取（Rhythmic Component Extraction， RCE）与共空子空间分解（The Common Spatial Subspace Decomposition, CSSD）相结合的特征提取方法，对提取的特征信息使用线性

分类器进行分类。采用该方法对2003年国际BCI竞赛数据进行识别，测试数据的分类正确率达到87.23%，比使用传统空间滤波方法进行特征提取时的分类正确率提高了6.8%，表明该方法可有效地应用于左

右手运动想象电位的识别。


关键词: 运动想象电位, 脑电信号, 共空子空间分解, 节律成分提取

Abstract:

The original signal usually needs filtering to extract the components with higher degree of distinction before the motor imagery potential classification, which

results in loss of the useful information under the serious noise interference, as the result, the classification correct rate will be degraded. To solve this problem, hereby a

rhythmic component extraction (RCE) combined with common spatial subspace decomposition (CSSD) for feature extraction while using the linear classifier was proposed. The

identification accuracy reached 87.22% by using the method for the international BCI Competition 2003 data, classification accuracy improved by 6.8% compared with traditional

methods of spatial filtering, which show that the method can be effectively applied to the identification of left and right hand motor imagery potential.


Key words: motor imagery potential, electroencephalography, common spatial subspace decomposition, rhythmic component extraction

中图分类号:

中图分类号： R318

张守中1，肖瑛2. 基于RCE的空间滤波方法在运动想象#br# 电位识别中的应用[J]. 计算机与现代化, doi: 10.3969/j.issn.10062475.2014.09.026.

ZHANG Shouzhong1, XIAO Ying2. RCEbased Spatial Filtering Method for Recognition of Motor Imagery Potential[J]. Computer and Modernization, doi: 10.3969/j.issn.10062475.2014.09.026.

［1］
Vidal J J. Toward direct braincomputer communication［J］. Annual Review of Biophysics and Bioengineering, 1973,2:157180. 
［2］ Schalk G, McFarland D J, Hinterberger T, et al. BCI2000: A generalpurpose braincomputer interface (BCI) system［J］. IEEE Trans. on Neural Systems Rehabilitation

Engineering, 2004,51(6):10341043. 
［3］伍亚舟,吴宝明,何庆华. 基于脑电的脑机接口系统研究现状［J］. 中国临床康复, 2006,10(1):147150.
［4］〖JP2〗Garrett D, Peterson D A, Anderson C W, et al. Comparison of linear, nonlinear, and feature selection methods for EEG signal classification ［J］. IEEE Trans. on

Neural Systems and Rehabilitation Engineering, 2003,11(2):141144. 
［5］高上凯. 基于节律性脑电信号的脑机接口［J］. 生命科学, 2008,20(5):722724.
［6］ Pfurtscheller G, Aranibar A. Evalution of eventrelated desynchronization(ERD) preceeding and following voluntary selfpaced movement［J］. Electroencephalography and

Clinical Neurophysiology, 1979,46(2):138146.
［7］ Meng F, Gao X R, Gao S K. BCIFES training system design and implementation for rehabilitation of stroke patients［C］// Proceedings of the International Joint Conference

on Neural Networks. 2008:41034106.
［8］〖JP2〗Koles Z J. The quantitative extraction and topographic mapping of the abnormal components in the clinical EEG［J］. Electroencephalography and Clinical

Neurophysiology, 1991,79(6):440447. 
［9］ Ramoser H, MüllerGerking J, Pfurtscheller G. Optimal spatial filtering of single trial EEG during imagined hand movement［J］. IEEE Transactions on Rehabilitation

Engineering, 2000,8(4):441446.

［10］李明爱,刘净瑜,郝冬梅. 基于改进CSP算法的运动想象脑电信号识别方法［J］. 中国生物医学工程学报, 2009,28(2):136140.
［11］张胜,王蔚. 基于CSSD和SVM的抑郁症脑电信号分类［J］. 中国生物医学工程学报, 2008,27(6):827831.
［12］王晶,胡剑锋,闫亮亮. 脑电信号单次提取进展研究［J］. 计算机与现代化, 2009(1):101104.
［13］Ang K K, Chin Z Y, Zhang H. Filter bank common spatial pattern (FBCSP) in braincomputer interface［C］// Proc. of IEEE Int. Joint Conf. Neural Network. 2008: 2390

2397.
［14］王利. 基于MP算法的脑电信号去噪［J］. 计算机与现代化, 2014(4):102104.
［15］ Tanaka T, Saito Y. Rhythmic component extraction for multichannel EEG data analysis ［C］// Proc. of ICASSP. 2008: 425428. 
［16］Higashi H, Tanaka T. Rhythmic component extraction considering phase alignment and the application to motor imagerybased brain computer interfacing ［C］// Proc. of

IEEE WCCI IJCNN.2010: 35083513.
［17］李明爱,陆婵婵. 基于改进CSSD的脑电特征提取方法［J］. 北京工业大学学报, 2013,39(7):10211028.

[1]	周成诚, 曾庆军, 杨康, 胡家铭, 韩春伟. 基于高效通道注意力模块的运动想象脑电识别[J]. 计算机与现代化, 2023, 0(12): 19-23.
[2]	唐洁, 文元美. 基于3CNN-BiGRU的睡眠自动分期研究[J]. 计算机与现代化, 2022, 0(02): 120-126.
[3]	孙晓娟, 王利. 基于CEEMD小波包算法的降噪方法研究[J]. 计算机与现代化, 2020, 0(09): 73-76.
[4]	黄小爽. 基于分数阶傅里叶变换的运动脑电信号分类方法[J]. 计算机与现代化, 2020, 0(09): 54-59.
[5]	刘彬，张冀聪. 运动相关电位分类算法比较和语义范式分析[J]. 计算机与现代化, 2018, 0(11): 88-.
[6]	王海玉1,王映龙1,闵建亮2,胡剑锋2. 基于小波变换与多项指标的疲劳驾驶检测应用[J]. 计算机与现代化, 2018, 0(10): 32-.
[7]	王利. 基于MP算法的脑电信号去噪[J]. 计算机与现代化, 2014, 0(4): 102-104.
[8]	王亚卿;曹艳珺;樊浩宇;郭明磊;宋秋霞. 基于脑电（EEG）信号的“愉快不愉快”情绪分析[J]. 计算机与现代化, 2012, 203(7): 88-91,9.

基于RCE的空间滤波方法在运动想象#br# 电位识别中的应用

RCEbased Spatial Filtering Method for Recognition of Motor Imagery Potential

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 8

编辑推荐

Metrics

本文评价