脑机接口实例二：脑电信号CSP处理( 二 ) _提取

2.2 运行结果及分析 CSP特征提取

文章插图
图一，由算法代码进行预处理数据后得到的CSP特征提取结果
图二，由导入进行预处理数据后得到的CSP特征提取结果
分析：由上图，我们可以看出，当前CSP算法对数据进行了一定程度的特征提取，但特征之间并没有达到理想的分离程度，部分数据集中纠缠在一起。产生此结果的可能原因：（1）数据提取、预处理阶段存在不足；（2）该CSP算法自身存在缺陷（如本实例将导联关系限制在C3、C4、CZ三个通道，与其他通道导联的相关性难以体现）。针对可能原因1，我将数据导入，用自身的预处理功能，对数据进行预处理操作，再应用CSP算法进行特征提取，但实验结果同样不理想，如图二所示。于是，猜想出现不理想结果可能更多的是原因2造成的，接下来，我将尝试应用不同的方法，对特征进行提取。
集成分类
分析：从CSP提取的特征中，选择144个数据点组成训练集，进行30次迭代集成分类，由图可以看出，随着迭代次数的增加，训练错误率在降低，即分类准确率在提高。尽管如此，分类的错误率仍超过30%，结果并不理想，也在侧面说明，CSP算法存在问题，有进一步改进的空间。
三、问题与反思四、下一阶段计划
本文源码：
链接：（百度网盘）
【脑机接口实例二：脑电信号CSP处理】提取码：muda