基于训练样本评估的CSP滤波器增量更新方法

摘要: 由于脑电图(electro encephalo gram，EEG)能反映不同状态下大脑的思维活动，因此，基于EEG的运动想象识别已经成为一个新的研究热点。为了降低低质量样本对CSP(common spatial pattern)滤波器模型的组间传输性能的影响，提高正确率，提出了一种基于样本筛选的CSP滤波器增量更新方法。首先通过样本筛选的方法对EEG数据进行质量评估，然后剔除低识别率对应的单次训练数据，最后对优化后的样本所设计的CSP滤波器进行增量更新。实验室环境下，对EEG信号进行运动想象识别，其平均正确率达到80.92%，相比传统的CSP方法，五位受试者测试集的平均识别率分别提高了5.4%、5.6%、1.5%、8.6%和7.7%，实验结果验证了所提算法的有效性。