脑电脑接口的签名方法

科学领域:

• 神经科学和生物医学工程
• 信号处理和机器学习

背景情况:

• 大脑计算机接口 (BCI) 通过直接将中枢神经系统与计算机连接,为残疾人提供通信和控制.
• 目前的BCI,特别是使用电脑图 (EEG) 的BCI,由于信号非静止性,噪声和用户可变性而面临挑战,限制了性能.
• 基于运动图像的BCI通常会给很大一部分用户带来困难.

研究的目的:

• 引入一种用于脑电图 (EEG) 信号在脑电脑接口 (BCI) 中的新型特征提取方法.
• 解决传统基于电力的功能的局限性,并提高BCI性能,特别是在存在噪音和用户之间的变化的情况下.
• 增强BCI的稳定性和可用性,以帮助运动障碍者.

主要方法:

• 针对多通道EEG时间序列,提出了一种利用路径签名的新方法,即一系列代的积分不变于转换和时间再参数化,用于多通道EEG时间序列.
• 路径签名特征与里曼的分类器相结合,这些分类器利用对称正定数 (SPD) 矩阵的几何结构,这是BCI的黄金标准.
• 该方法在公开可用的EEG数据集上进行了评估.

主要成果:

• 与经典特征提取技术相比,路径签名方法对用户间的变化具有更高的稳定性.
• 拟议的方法在杂和低质量的EEG数据上显示了增强的性能,这是现实世界BCI应用中常见的挑战.
• 路径签名有效地捕捉了神经信号中的领先-滞后关系,为潜在的神经机制提供了洞察力.

结论:

• 路径签名提供了一个有前途的数学工具,以克服基于EEG的BCI固有的可变性问题.
• 这种方法通过利用以前被忽视的数学概念,为更可靠和更容易使用的BCI系统铺平了道路.
• 这些发现表明,有可能改善BCI性能,并更深入地了解神经动力学.