杆转移叠加理论用于稳定状态视觉唤起的潜在交叉主体频率识别

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:

• 基于稳态视觉唤起潜力 (SSVEP) 的脑计算机接口 (BCI) 通常需要个别校准,导致时间消耗,视觉疲劳和可用性降低.
• 现有的空间过方法旨在通过减少自发活动干扰来改善SSVEP检测,但需要个性化校准.

研究的目的:

• 开发一种无校准的,跨主体频率识别方法,用于BCI中的SSVEP解码.
• 通过消除对个别校准的需求,提高基于SSVEP的BCI的可用性和性能.

主要方法:

• 构建了一个多通道信号分解模型.
• 使用交叉最小平方代方法创建个人特定的转移空间过器和源主题转移叠加模板.
• 提出了一套跨主题转移学习方法,集成源主题转移,全球转移和正弦-正弦参考模板,用于SSVEP频率识别.

主要成果:

• 拟议的方法在两个公共数据集的离线测试中明显优于现有方法 (FBCCA,TTCCA,CSSFT).
• 该方法证明了直接适用于在线SSVEP识别,而不需要校准.
• 该算法表现出稳健性,这是实际BCI应用的关键因素.

结论:

• 开发的跨学科转移学习方法为基于SSVEP的BCI提供了一个可行的无校准解决方案.
• 这种方法通过消除需要耗时和疲劳的校准程序来提高BCI的可用性.
• 强大的高性能算法为更实用和更容易访问的BCI系统铺平了道路.