基于RSCM与黎曼空间的运动想象脑电分类研究

来源：电子测量技术杂志2025年第9期北京时间：

作者：廉小亲，刘春权，高超，邓子谦，吴叶兰

单位：1.北京工商大学计算机与人工智能学院 北京 100048;2.北京工商大学中国轻工业工业互联网与大数据重点实验室 北京 100048

摘要：近年来，运动想象（MI）在辅助医疗和人机交互领域备受关注。然而，经典的共空间模式（CSP）特征提取方法主要基于时域信号计算协方差矩阵（CM），易受噪声和伪迹干扰，且无法充分利用脑电信号（EEG）的频谱信息，导致分类精度与稳定性不足。为了解决这一问题，本研究提出了一种基于正则化频谱协方差矩阵（RSCM）与黎曼空间的MI-EEG分类算法。首先，对预处理后的EEG信号进行快速傅里叶变换，计算频谱协方差矩阵，并进行岭正则化；然后，将正则化矩阵映射到切空间中进行平滑滤波，并将结果映射回黎曼空间以提取CSP特征；最后，采用支持向量机（SVM）完成分类任务。实验结果表明，在BCI竞赛IV数据集1和2a上，本研究方法的二分类平均准确率分别达到了86.95%和81.48%，较传统CSP分别提升了7.44%和9.57%；在BCI竞赛IV数据集2a上，本研究方法的四分类平均准确率达到了74.23%，较传统CSP方法提升了14.10%。实验结果表明，本研究方法在MI-EEG分类中具有有效性。

关键词：运动想象;脑电信号;频谱协方差矩阵;黎曼空间;共空间模式

基金资助：国家自然科学基金项目（62173007）、2024北京工商大学研究生教育教学成果培育项目（XYCGPYLX2024006）资助