稳态视觉诱发电位 (SSVEP) 分类学习系列 (1) :FFT-CNN-CCA

论文地址：https://ieeexplore.ieee.org/document/8708243
论文题目：A Convolutional Neural Network for the Detection of Asynchronous Steady State Motion Visual Evoked Potential
论文代码：暂无

0. 引言

脑机接口（BCI）的一个关键问题是以异步方式检测有意控制（IC）状态和非有意控制（NC） 状态。此外，对于稳态视觉诱发电位 （SSVEP） BCI 系统，IC 状态中存在多个状态（子状态）。现有的识别方法依赖于阈值技术，难以实现高准确率，即同时实现高真阳性率和低假阳性率。为了解决这个问题，我们首次提出了一种新型卷积神经网络（CNN）来检测SSVEP-BCI系统中的IC和NC状态。具体来说，稳态运动视觉诱发电位 （SSMVEP） 范式被选为实验范式，该范式已被证明可以减少视觉不适。提出了两种用于检测 IC 和 NC 状态的处理管道。第一个是使用 CNN 作为多类分类器来区分 IC 和 NC 状态 （FFT-CNN） 中的所有状态。第二种是使用 CNN 区分 IC 和 NC 状态，并使用规范相关分析 （CCA