通过一种新的临时局部正规相关性分析来增强基于SSVEP的BCI的检测
Guoxian Xia1, Li Wang1, Shiming Xiong1
1School of Electronics and Communication Engineering, Guangzhou University, Guangzhou 510006, China.
Journal of neuroscience methods
|November 22, 2024
概括
一种新的临时局部正规相关性分析 (TI-tdCCA) 方法通过提取时间信息和减少噪声,特别是短数据窗口,改善了脑电脑接口 (BCI) 中的稳定状态视觉唤起潜力 (SSVEP) 识别.
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.
- 信号处理 信号处理
背景情况:
- 空间过方法在SSVEP-BCI中很常见,但与局部噪声和数据长度相斗争.
- 通过短数据窗口增强SSVEP识别仍然是BCI系统面临的挑战.
研究的目的:
- 提出一种用于提高BCI系统中SSVEP识别性能的新方法.
- 解决噪声抑制和数据依赖现有方法的局限性.
主要方法:
- 引入基于训练数据 (TI-tdCCA) 方法的临时局部正规相关性分析.
- 过器使用一种新的框架来导出,其中包括拉普拉斯矩阵和TI-CCA与训练数据和模板.
- 还评估了一种包含人工参考信号的扩展版本.
主要成果:
- TI-tdCCA方法在两个数据集 (40个类,35个和70个受试者) 中始终优于八种竞争方法.
- 扩展方法显示了显著的改进,平均精度增加了10.71% (基准) 和6.98% (BETA) 在0.7s窗口.
- 扩展的方法超过了最先进的至少3%,有效地抑制噪音,并证明了可扩展性.
结论:
- 拟议的TI-tdCCA方法有效地结合了空间和时间过器,以改进SSVEP识别.
- 扩展方法为实际的BCI应用提供了卓越的性能,降噪和可扩展性.


