【文献调研】多模信号融合（2）

最新推荐文章于 2023-05-10 20:08:27 发布

鹰羽_

最新推荐文章于 2023-05-10 20:08:27 发布

阅读量204

点赞数

文章标签：学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_41996917/article/details/125028357

版权

该文探讨了如何通过结合表面肌电信号（sEMG）与EEG，利用混合脑机接口技术提高动作分类的精度。通过应用独立成分分析（ICA）去除干扰如眼电和肌电伪迹，可以改善仅依赖EEG的BCI系统的识别率，实现脑电与肌肉信号的协同互补，从而增强系统性能。

摘要由CSDN通过智能技术生成

一、混合脑机接口技术

https://blog.csdn.net/qq_37148940/article/details/105422683

表面肌电信号（sEMG）与EEG融合

理论上有利于提高多模式动作的分类精度（应用层面），并提高只使用单一模态EEG的BCI系统的识别率。
*利用脑肌电间的协同互补来提高系统的识别率。
应用独立分量分析（ICA），去除眼电、肌电等伪迹。ICA能够将多通道EEG分成多个相互独立信号，并可分离出明显的眼电、肌电等干扰成分。

未完可能没有续

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
【文献调研】多模信号融合（2）

一、混合脑机接口技术https://blog.csdn.net/qq_37148940/article/details/105422683表面肌电信号（sEMG）与EEG融合理论上有利于提高多模式动作的分类精度（应用层面），并提高只使用单一模态EEG的BCI系统的识别率。*利用脑肌电间的协同互补来提高系统的识别率。应用独立分量分析（ICA），去除眼电、肌电等伪迹。ICA能够将多通道EEG分成多个相互独立信号，并可分离出明显的眼电、肌电等干扰成分。......
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。