在TRCA中改进个体特定的SSVEP-BCI,通过自适应的通道和子空间选择
Hui Li1, Guanghua Xu1,2,3, Shanzheng Feng4
1School of Mechanical Engineering, Xi'an Jiaotong University, Xi'an 710049, China.
Sensors (Basel, Switzerland)
|February 27, 2026
概括
AS-TRCA通过优化通道选择和子空间识别以获得稳定状态视觉唤起潜能 (SSVEP) 来增强脑计算机接口 (BCI). 这种纯粹个体化的方法显著提高了BCI的性能和实际应用.
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:
- 基于个体特定的稳定状态视觉唤起潜力 (SSVEP) 的脑计算机接口 (BCI) 是有前途的,但受一般化通道和子空间选择的限制.
- 现有的方法往往导致不充分利用个体特定的校准数据,从而导致性能低于最佳.
研究的目的:
- 提出AS-TRCA,一种新的方法,通过充分利用主题特定信息来开发纯粹个体特定的SSVEP-BCI.
- 通过最佳道学习和选择 (OCLS) 和最佳子空间选择 (OSS) 来提高BCI性能.
主要方法:
- AS-TRCA采用OCLS,使用稀疏学习与空间距离约束来选择最佳的主题特定道.
- AS-TRCA利用OSS通过最大限度地提高配置概率来适应性地确定最佳的主题特定任务相关子空间的数量.
主要成果:
- AS-TRCA成功地确定了有意义的道,并为个别主题确定了适当数量的与任务相关的子空间.
- AS-TRCA显著提高了SSVEP-BCI解码方法的解码精度,包括深度学习方法.
结论:
- AS-TRCA提供了一种有前途的方法来提高SSVEP-BCI的性能,通过实现纯粹个体特定的BCI开发.
- 该方法增强了现有的SSVEP-BCI解码技术,为更广泛的实际应用铺平了道路.
关键词:
在TRCA (AS-TRCA) 中进行适应性通道和子空间选择.电脑电图 (EEG) 是一种电脑电图.最佳道学习和选择 (OCLS)最佳子空间选择 (OSS)基于稳定状态视觉唤起潜力 (SSVEP) 的大脑-计算机接口 (BCI).更多相关视频
06:34A Single-Channel and Non-Invasive Wearable Brain-Computer Interface for Industry and Healthcare
Published on: July 7, 2023
3.3K
08:25Combined Invasive Subcortical and Non-invasive Surface Neurophysiological Recordings for the Assessment of Cognitive and Emotional Functions in Humans
Published on: May 19, 2016
11.3K