频谱增强型TRCA (SE-TRCA):一种新的方法用于基于SSVEP的BCI中方向检测

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 稳态视觉唤起潜力 (SSVEP) 对于脑电脑接口 (BCI) 是非常重要的,因为它的稳定性和低硬件需求.
• 对于SSVEP方向检测的现有方法,如正规相关性分析 (CCA) 和任务相关组件分析 (TRCA),具有局限性,特别是在利用频率信息方面.
• 使用单一刺激进行方向检测的新型SSVEP范式对当前的分析技术提出了重大挑战.

研究的目的:

• 引入和评估一种新的算法,即频谱增强TRCA (SE-TRCA),用于改进基于SSVEP的方向检测.
• 通过将频率信息纳入TRCA框架来增强特征提取.
• 在SSVEP分析中证明SE-TRCA在现有CCA和TRCA方法上的优势.

主要方法:

• 通过增强TRCA算法来开发SE-TRCA,将频率信息与空间信息一起纳入.
• 连接了EEG信号及其转移版本以创建空间光谱过器,其功能与有限脉冲响应 (FIR) 过器类似.
• 使用两个数据集验证SE-TRCA:用于方向检测的混合BCI数据集和用于频率检测的基准SSVEP数据集.

主要成果:

• 与CCA相比,SE-TRCA提高了方向检测精度23.35%,与TRCA相比提高了28.24%.
• 在混合数据集上的字符识别任务中,SE-TRCA的准确率达到58.56%,超过TRCA (56.02%) 和CCA (54.01%).
• 在一个基准SSVEP数据集上,SE-TRCA实现了98.19%的频率检测准确度,超过TRCA (97.91%) 和CCA (90.47%).

结论:

• 基于TRCA的方法在SSVEP分析中提取空间过器方面比CCA更有效.
• SE-TRCA有效地提取了光谱和空间信息,捕获了更多的区分特征,以提高分类准确性.
• 拟议的SE-TRCA方法在不同的SSVEP范式和任务中表现出强烈的概括性,在SSVEP分析中取得了重大进展.