基于非线性参数的意识任务分类
刘海龙，王珏，郑崇勋
（西安交通大学生物医学信息工程教育部重点实验室，710049,西安）
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，使用的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Fisher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2s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（1s）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