%0 Journal Article
%T 基于AR模型和SVM的脑电信号分类
%A 黄璐
%A 李然
%A 谷军
%J 科技导报
%P 24-27
%D 2013
%R 10.3981/j.issn.1000-7857.2013.35.003
%X 基于P300事件相关电位的脑机接口（BCI）系统中，有效的P300特征提取及分类是系统开展后续工作的关键。应用时间序列自回归（AR）模型及支持向量机（SVM）算法对脑电信号进行P300分类；对10导联脑电数据分别分段，并对每段建立AR模型；采用最小二乘法进行AR模型系数估计，由估计出的系数序列构成特征向量，送入SVM进行模式分类。实验针对BCICompetitionⅢdatasetⅡ数据集进行了方法验证，提出的方法在15试次情况下识别正确率达93.5%。实验及数据分析结果表明，应用SVM分类器对AR模型提取出的系数序列特征向量进行分类，具有较好的系统识别正确率，可为实现基于P300的BCI系统实际应用奠定理论和实验基础。
%K 脑电信号
%K AR模型
%K 支持向量机
%U http://www.kjdb.org/CN/abstract/abstract11147.shtml