在基于SSVEP的大脑与计算机接口中的基于模板的频率检测方法的全面研究
Mohammad Norizadeh Cherloo1, Homa Kashefi Amiri2, Amir Mohammad Mijani3
1Biomedical Engineering Department, School of Electrical Engineering, Iran University of Science and Technology (IUST), Narmak, Tehran, 16846-13114, Iran.
Behavior research methods
|June 9, 2025
概括
这项研究比较了19种脑电脑接口 (BCI) 稳定状态视觉唤起潜力 (SSVEP) 检测方法. 过器银行组合任务相关组件 (FBETRCA) 在准确性和信息传输速率 (ITR) 中表现出卓越的表现.
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) 的脑电脑接口 (BCI) 正因其高信号噪声比率 (SNR),信息传输速率 (ITR) 和最小的用户培训而获得吸引力.
- 存在许多SSVEP的频率检测方法,但缺乏全面的比较.
研究的目的:
- 审查和全面比较基于SSVEP的BCI的最新频率检测方法.
- 确定有助于设计准确和强大的SSVEP检测方法的关键因素.
主要方法:
- 审查了19种多道SSVEP检测方法,分为四组:规范相关性分析 (CCA),多变量同步指数 (MSI),与任务相关的组件分析 (TRCA) 和相关组件分析 (CORRCA).
- 使用35名受试者的40类SSVEP数据集进行了实验.
- 基于分类准确性,信息传输速率 (ITR) 和计算时间的评估方法.
主要成果:
- 确定了设计有效的SSVEP检测方法的四个关键因素:对频率组件进行过器银行分析,使用校准数据优化参考信号,集成所有刺激的空间过器,并从训练试验中计算空间过器.
- 过器银行集团与任务相关的组件 (FBETRCA) 在所有评估方法中实现了最高的性能.
结论:
- 该研究提供了一个有价值的资源,包括SSVEP检测方法的描述,流程图和MATLAB代码.
- FBETRCA成为基于SSVEP的BCI的高效方法,提供卓越的准确性和ITR.
- 确定的设计因素为开发未来SSVEP检测算法提供了指导.
