题目:Enhancing Detection of SSVEPs for a High-Speed Brain Speller Using Task-Related Component Analysis
摘要
目的:本研究提出并评估了一种新的数据驱动的空间滤波方法,用于增强稳态视觉诱发电位(SSVEPs)检测到高速脑机接口(BCI)拼写器。
方法:采用任务相关成分分析(TRCA),通过去除背景脑电图(EEG)活动,提高信噪比(EEG)),提高SSVEP信号的信噪比s的再现性。进一步开发了一种集成方法来集成对应于多个刺激频率的TRCA滤波器。本研究利用来自12名受试者的40类SSVEP数据集,对所提出的基于TRCA的方法和基于扩展典型相关分析(CCA)的方法之间的BCI性能进行了比较。通过对20名被试的线索引导目标选择任务和对其中10名被试的自由拼写任务,进一步实现了在线BCI拼写功能。
结果:离线比较结果表明,与扩展的基于cca的方法相比,所提出的基于TRCA的方法可以显著提高分类精度。
总结:本研究提出了一种基于TRCA的目标识别算法来提高基于SSVEP的BCI的性能。使用来自12名受试者[2]的40个目标SSVEP数据集进行性能评估。在性能评价中,我们使用扩展的基于cca的方法[4]与所提出的方法进行了性能比较。在优化参数(如数据长度、电极次数、训练试验次数、子频带次数等)后,采用该方法进行了在线脑机接口实验。本研究的目的是证明基于trca的方法在高速检测高速机字机ssvep中的有效性
方法
A.实验环境
1)实验对象——本研究分别设计了一个离线实验和一个在线实验。12名(5名女性,平均年龄25岁)和20名(10名女性,平均年龄25岁)视力正常或矫正至正常的健康成年人参与了离