从脑电图的瞬间幅度和相位构建的图表成功地区分了运动图像任务

科学领域:

• 神经科学是一个神经科学.
• 信号处理 信号处理
• 机器学习 机器学习

背景情况:

• 脑电图 (EEG) 信号的分类是复杂的,因为数据的变化和非线性动态.
• 图形信号处理 (GSP) 为分析大脑成像数据提供了一个有前途的途径.

研究的目的:

• 提出一种基于GSP的方法,用于使用EEG信号解码运动图像 (MI) 任务.
• 为了利用即时的振幅和相位合进行增强的EEG信号分析.

主要方法:

• 生成了希尔伯特转换的EEG信号的图谱表示.
• 同时对等矩阵的对角化确定了MI任务的歧视子空间.
• 在光谱领域的特征选择确定了图表的关键频率组件.

主要成果:

• 拟议的GSP方法在BCI竞争III (IVa) 数据集上进行了评估.
• 脑功能连接图表是从EEG信号的幅度和阶段得出的.
• 该方法的性能与领先的现有技术相美.

结论:

• 基于GSP的方法有效地从EEG信号中解码运动图像任务.
• 该方法显示效率和竞争力与最先进的方法相比.
• 即时的振幅和相位合对于精确的基于EEG的大脑连接分析至关重要.