波增强以优化基于EOG的眼动活动解码:采用波源分离和EEMD的混合方法
Çağatay Demirel1,2, Livia Reguş2,3, Hatice Köse1,4
1Computer Engineering Department, Istanbul Technical University, Maslak, 34467 Sarıyer, Istanbul, Turkey.
Heliyon
|August 22, 2024
概括
这项研究引入了一种新的混合方法,通过增强静态眼活动解码来改善运动障碍患者的机器人控制. 这种方法通过减少噪音和提取关键波特征来提高人机界面的性能.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 机器人技术 机器人技术 机器人技术
背景情况:
- 智能机器人系统对于运动障碍患者至关重要.
- 当前的人机界面 (HMI) 方法通常依赖于有限的眼控制,限制了系统的复杂性.
- 解读静态眼活动是具有挑战性的,因为像震和疲劳这样的非振荡噪声.
研究的目的:
- 开发一种先进的预处理方法来解码静态眼活动.
- 提高基于电眼镜 (EOG) 的机器学习模型的HMI性能.
- 为了更好的分类,探索在静态眼活动中对波特征的有用性.
主要方法:
- 实施了一种混合预处理技术,该技术结合了和源分离和集体实证模式分解.
- 该方法的目标是从时间频域的静态眼部运动中去除敲击和非振荡噪声.
- 一个机器学习模型利用了双输入:时间频率图像和连续时间窗口的矢量化特征.
主要成果:
- 与基线相比,拟议的混合预处理方法在离开一次会话的交叉验证 (LOSO) 中实现了3.8%的性能提升.
- 高频组件的波增强有助于提高性能.
- 在希尔伯特-黄光谱和LOSO性能中的波比之间观察到强烈的相关性.
结论:
- 混合预处理方法有效地为先进的HMI解码静态眼活动.
- 利用眼信号的和特征为基于EOG的系统中的活动丰富提供了一个有前途的途径.
- 这种方法提高了分类准确度,性能损失最小,为更复杂的机器人控制铺平了道路.
关键词:
深度学习是一种深度学习.电光眼电图 (Elektrooculogram) 是一个电光眼电图.集合实证模式分解组合.哈尔比率是什么意思 哈尔比率是什么意思源分离的和源分离方式希尔伯特 - 黄转换是什么信号处理 信号处理
