基于训练样本评估的CSP滤波器增量更新方法

由于脑电图(electroencephalo gram,EEG)能反映不同状态下大脑的思维活动,所以,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.