一个在线适应框架,用于增强无校准的SSVEP-basedBCI性能

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:

• 实现基于plug-and-play稳态视觉唤起潜力 (SSVEP) 的脑电脑接口 (BCI) 是具有挑战性的,因为无校准解码算法的局限性.
• 在线自适应法定相关性分析 (OACCA) 通过在线数据的自适应来改善无校准性能,但其适应仅限于空间过器,不包括其他自适应程序,如个别模板估计.
• 这种排除妨碍了完全可利用的模型解码和适应,需要更全面的在线适应策略.

研究的目的:

• 提出和评估一种新的在线适应框架,即在线自适应扩展相关性分析 (OAECA),旨在增强基于SSVEP的无校准BCI.
• 通过结合个人模板调整和扩展功能匹配以及空间过器调整来扩大在线适应循环.
• 为了证明OAECA在解码精度和信息传输速度方面比OACCA等现有方法更优越.

主要方法:

• 开发了在线自适应扩展相关性分析 (OAECA) 框架,其中包括回忆和清理在线试验,调整单个模板和空间过器,并使用扩展特征匹配.
• 使用两个公共SSVEP数据集进行模拟实验的OAECA验证.
• 进行了线下和线上实验,以确认OAECA框架的有效性和实际性能.

主要成果:

• 在模拟结果中,OAECA在几乎所有105个受试者中显著超过了最先进的OACCA.
• 线下和线上实验都证实了OAECA与OACCA相比更高的有效性.
• 在线实验中,OAECA实现了最高的平均信息传输速率 (ITR) 202.17位/分钟,超过OACCA的177.02位/分钟.

结论:

• 拟议的OAECA框架为基于SSVEP的BCI提供了全面的在线适应方法,显著提高了无校准解码性能.
• OAECA能够调整空间过器和单个模板,加上扩展功能匹配的能力,比以前的方法带来了实质性的改进.
• 这项研究推进了基于SSVEP的BCI,使其更接近实际的,现实世界的插件应用程序.