基于视觉图像的EEG信号的多字符分类方案的设计和实施
Hongguang Pan1,2, Wei Song1, Li Li1
1College of Electrical and Control Engineering, Xi'an University of Science and Technology, Xi'an, 710054 Shaanxi China.
Cognitive neurodynamics
|December 16, 2024
概括
这项研究引入了一种新的视觉图像脑计算机接口 (VI-BCI),用于使用电脑图 (EEG) 信号对29个字符进行分类. 优化的方案实现了97.59%的准确性,推进了通信恢复技术.
科学领域:
- 神经科学和生物医学工程
- 大脑与计算机接口技术
- 信号处理 信号处理
背景情况:
- 基于视觉图像的脑计算机接口 (VI-BCI) 面临着单个想象任务和有限的功能信息的挑战,阻碍了通信恢复.
- 目前的VI-BCI系统需要改进,以便在恢复通信方面实际应用.
研究的目的:
- 设计和优化使用视觉图像 (VI) 的电脑电图 (EEG) 信号的多字符分类方案.
- 将29个字符 (26个英语字母,3个标点) 分类为增强的通信恢复.
主要方法:
- 开发了一个采集EEG信号的新范式,具有随机字符呈现和准备阶段.
- 应用了Morlet波形变换来获得张量数据,并使用了张量非相关的多线性主要组件分析 (UMPCA) 来提取特征.
- 使用支持矢量机 (SVM),K-近邻 (KNN) 和极端学习机 (ELM) 分类器进行多字符分类.
主要成果:
- 拟议的方案有效地提取字符特征,最小的冗余和强大的代表性.
- 在29个字符中获得了97.59%的平均分类准确度.
- 在分类准确性和数量方面表现优于现有研究.
结论:
- 开发的VI-BCI方案成功地利用Morlet波波变换和UMPCA.成功地提取了强大的字符特征.
- 这项研究使得高精度的多字符分类成为可能,为直接的大脑与世界的沟通铺平了道路.
