針對(duì)腦電信號(hào)存在個(gè)體差異性并易受噪聲、偽跡干擾的特點(diǎn)，提出一種基于獨(dú)立成分分析ICA的優(yōu)選特征通道算法。采用ICA將通道的數(shù)據(jù)分解為N200、P300、眼電偽跡以及其他生理信號(hào)，根據(jù)這些信號(hào)對(duì)每個(gè)通道的影響程度，判定各通道是否適合進(jìn)行特征提取。分別采用本方法和三種常用方法對(duì)12個(gè)被試的腦電數(shù)據(jù)進(jìn)行特征通道選擇，并進(jìn)行N200和P300電位的辨識(shí)，經(jīng)比對(duì)發(fā)現(xiàn)，本文方法取得了93. 10%的平均分類(lèi)準(zhǔn)確率，比其他三種方法下的準(zhǔn)確率分別高出7.27%、1.07%和75. 96%。為預(yù)測(cè)任意被試的最優(yōu)通道，采用最小二乘法對(duì)ICA權(quán)值和通道選擇閾值之間的關(guān)系進(jìn)行擬合，對(duì)三個(gè)新被試進(jìn)行最優(yōu)通道預(yù)測(cè)和電位的辨識(shí)，得到較高的分類(lèi)準(zhǔn)確率，說(shuō)明此預(yù)測(cè)方法具有一定普適性。
?