摘要：目的：针对脑机接口中三类运动想象任务，提出一种最小二乘法自适应滤波结合独立成分分析以及样本熵（ RLS－ICA－SampEn ）、多类共同空间模式（ CSP ）、增量式支持向量机（ ISVM ）相结合的脑电识别新方法，以解决脑机接口中多类运动想象正确率低的问题。方法首先采用ICA将EEG分离，然后利用样本熵自动识别分离后的噪声，再采用RLS对识别出来的噪声进行滤波，最后进行信号重构，得到去除噪声的脑电信号。多类CSP采用“一对一”CSP与多频段滤波相结合，对去噪后的脑电信号进行特征提取。通过“一对多”方式的ISVM对三类运动想象脑电信号获取的特征向量进行分类。为检验新方法的有效性，将本文方法与多类CSP＋ISVM（方法1）及RLS－ICA＋多类CSP＋ISVM（方法2）进行比较。结果对三类想象任务而言，本文方法识别正确率与方法1和2相比均高8％左右。结论与方法1和2比较，RLS－ICA－SampEn、多类CSP、ISVM相结合的脑电识别新方法能更好地适用于多类运动想象任务识别。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社