基于非线性参数的意识任务分类

刘海龙　王　珏　郑崇勋

摘要：研究了非线性参数作为脑电(EEG)信号特征时对意识任务分类的作用，使用妁3种非线性参数特征为最大Lyapunov指数、轨道平均周期和轨道平均初始距离，分类方法为Pisher线性判别式．对4个实验对象共60个任务对进行了分类处理．使用3种参数在2 s数据段上取得的平均分类精度分别为82．3％、90．7％和93．3％．在较短(1 s)的数据段上，应用轨道平均初始距离参数进行分类取得了平均为90．8％的正确率，分类精度接近于Anderson取得的实验结果．轨道平均周期和轨道平均初始距离算法具有较小的运算量，能够应用于在线系统．

关键词：脑电；意识任务分类；Lyapunov指数；平均周期；初始距离

中图分类号：R318文献标识码：A文章编号：0253—987X(2005)08—0900—04