使用脑电图信号对心理状态进行集体波纹分解检测
Smith K Khare1, Varun Bajaj2, Nikhil B Gaikwad1
1Department of Electrical and Computer Engineering, Aarhus University, 8000 Aarhus, Denmark.
Sensors (Basel, Switzerland)
|September 28, 2023
概括
这项研究引入了一种自动化系统,用于检测精神状态,如使用电脑电图 (EEG) 信号集中注意力和昏昏欲睡. 开发的脑计算机接口 (BCI) 模型实现了高精度,提高了BCI系统的效率.
科学领域:
- 神经科学是一个神经科学.
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 工业中的自动化需要智能机械来实现脑计算机接口 (BCI) 系统.
- 电脑电图 (EEG) 为BCI提供了一种低成本的非侵入性方法,但其复杂的信号性质阻碍了手动分析.
- 准确的,自动的心理状态检测对于推进BCI技术至关重要.
研究的目的:
- 开发一个自动化系统来分类人类的精神状态 (集中,不集中,昏昏欲睡) 使用EEG信号.
- 研究一组波段变换对EEG信号分解和特征提取的有效性.
- 优化集体分类器,以提高BCI应用中的心理状态检测准确度.
主要方法:
- 采用可调整的Q波段转换,多级别离散波段转换和灵活的分析波段转换组合用于EEG信号处理.
- 从EEG信号的子波中提取了对应于集中,不集中和昏昏欲睡的精神状态的特征.
- 利用一个优化的集体分类器,结合特征融合和代多数投票,进行分类.
主要成果:
- 来自集体分解的特征融合导致了维度减少.
- 拟议的模型实现了高分类准确率92.45% (十倍交叉验证) 和97.8% (重复多数投票).
- 证明了组合波形变换和整体分类方法的有效性.
结论:
- 开发的自动化系统准确地从EEG信号中检测心理状态.
- 拟议的方法,利用波波变换集和优化分类,显著提高BCI系统性能.
- 这种方法适用于实时心理状态检测,为更复杂的BCI应用铺平了道路.
