針對腦電信號(EEG)分類識別中的通道選擇問題, 本文提出了一種新型的Relief-SBS通道選擇算法。該算法結合Relief的統計相關性原理和順序后向選擇算法的迭代思想對EEG通道進行選擇。并用相關系數法進行分類, 取得最優分類準確率的通道即認定為最優通道。以運動想象任務實驗數據為分析對象, 結果表明利用Relief-SBS進行通道選擇后系統能取得出色的分類準確率, 即使與其他的特征選擇方法相比, 其分類準確率也較為出色。另外, 該方法選擇的最優EEG通道的空間分布也與已知的神經生理學知識一致, 說明了本方法的準確性和有效性。該方法的提出為腦機接口通道選擇提供了新思路。
本文基于已有的卷積核補償(CKC)方法, 提出了一種新的信號分解方法。該方法與自組織映射神經網絡相結合, 首先找出一個在某一時刻具有發放活動的脈沖序列, 其次對這個脈沖序列的一些較大值所對應的時刻利用自組織映射神經網絡進行分類, 然后利用分類后的時刻所對應的測量信號的值求出最終的一個信號源的發放序列。通過隨機混合矩陣合成產生的仿真信號進行測試, 表明所提出的方法是有效的。