-
题名基于稳态视觉诱发电位的脑电信号分类算法比较
被引量:1
- 1
-
-
作者
李新
吴迎年
李睿
-
机构
北京信息科技大学自动化学院
高端装备智能感知与控制北京市国际科技合作基地
-
出处
《科学技术与工程》
北大核心
2021年第19期8106-8112,共7页
-
基金
促进高校内涵发展-应急攻关项目(5212010976)
2019科技部高端专家引进项目(G20190201031)
+2 种基金
北京信息科技大学2019年教改重点资助项目(2019JGZD02)
2019年北京高等教育本科教学改革创新项目(5112010813)
北京信息科技大学促进高校内涵发展科研平台师资补充经费(5112011144)。
-
文摘
基于稳态视觉诱发电位(steady state visual evoked potential,SSVEP)的脑-机接口(brain computer interface,BCI)系统具有分类准确率高、用户不用长时间训练等优点而广受关注。如何高效地对SSVEP信号频率识别而实现更好的分类效果是SSVEP-BCI的核心问题。采用滤波器组典型相关分析(filter bank canonical correlation analysis,FBCCA)与任务相关成分分析(task-related component analysis,TRCA)对SSVEP信号分类比较研究,探讨了两种方法在数据长度、子带数以及通道数对SSVEP信号分类效果的影响。35位被试者的数据表明:在数据长度小、时间短的情况下,TRCA具有更高的分类准确率,且子带数设置为5时,分类准确率达到最大。通道数越多分类准确率越高,但是通道个数较少时,TRCA分类效果明显优于FBCCA。研究为SSVEP脑电数据有效性分析以及提高基于SSVEP的脑电信号分类准确率提供了新的思路。
-
关键词
稳态视觉诱发电位
滤波器组典型相关分析
任务相关成分分析
分类准确率
-
Keywords
steady state visual evoked potential(SSVEP)
filter bank canonical correlation analysis(FBCCA)
task-related component analysis(trca)
classification accuracy
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-