运动想象共空间模式CSP特征提取 多类别改进CSP

针对运动想象脑电信号，基于时频域和空间域分别采用小波变换法和共空间模式（CSP）提取特征向量，使用支持向量 机（SVM）对单一特征和融合特征进行识别并比较分类准确率

脑-机接口(BCI)中常用高密度导联来获取脑电(EEG)信号的空间信息,为了避免使用过多导联给EEG采集工作带来不便,消除无关的噪声通道,本文提出了一种基于共空间模式(CSP)的导联优化方法,基于CSP方法得到的投影矩阵,使用2-范数的导联筛选准则,筛选出在投影空间中权重较大的M个导联,目的是用较少的导联来获得与使用高密度导联相近的分类识别率。实验数据使用BCI Competition 2005DatasetⅢa,针对三个受试者的三类运动想象(左手、右手和脚),分别比较了使用该方法选择的导联和使用全部导联情况下得到的分类识别率。实验表明,使用筛选后的20导联得到的三个受试者的分类识别率,均高于使用全部60导联得到的分类识别率,从而验证了所提出方法的有效性和实用性

毕业设计做的，相关我的博客链接https://blog.csdn.net/fzf1996/article/details/88031737 安装参考：https://blog.csdn.net/fzf1996/article/details/89525307 数据下载：http://www.bbci.de/competition/

在脑-机接口研究中，二维光标控制由于易实现、量化可以作为测试新范式和新算法原型的特点，一直是研究的热点。基于减小使用者的控制难度，实现光标在二维平面内任意位置移动的目标，我们仅使用两类运动想象就实现了光标的二维控制。通过把分类器的输出概率映射到我们设计的旋转控制坐标系中，实现光标二维移动。结合最后设计的一种固定5目标的验证实验，邀请4人参与该实验，从他们的控制效果上，可以得到控制策略简单有效的结论。

基于SVM及两类运动想象的多通道特征脑电识别研究，王海，，本文通过对国际脑机接口竞赛中的两类运动想象脑电信号进行分析识别，研究了多通道模式对脑电识别效果的影响，以期更好地发挥多通