改良式對角化主要成份分析法應用於兩類別想像動作腦電波的分類

Abstract

本論文提出一個有效的方法，對受測者在意圖抬起左手小指頭與意圖吐舌頭時的腦電波做辨識。腦電波辨識是否成功的關鍵，在於特徵擷取與分類兩個議題。過去文獻將重點放在分類演算法的改良上，然而找出更簡單而重要的特徵，也可以獲得高辨識率。對角化主要成份分析法(DiaPCA)可以從腦電波高維度的時-頻-空域資料矩陣中找出主要的成份。被挑選出來的主要成份可構成一個較低維度的特徵矩陣，但仍保有兩種想像動作的腦電波之間主要的特徵差異。因此，藉由計算特徵矩陣間的歐氏距離就可分類腦電波。這個方法比起其他分類演算法，如支持向量機(SVM)，不但較為簡單，而且不會降低辨識率。本論文提出利用「改良式對角化主成份分析法」對腦電波擷取特徵並辨識，結果顯示，腦電波辨識的準確率大幅提升了10.07%。