广义任务相关成分分析的SSVEP研究

TP39; 稳态视觉诱发电位脑机接口(SSVEP-BCI)因其稳定、高效得到了广泛的应用.任务相关成分分析(TRCA)是一种在SSVEP-BCI系统中识别频率的主要方法.为了解决短时间窗口识别准确率较低等问题,提出了一种广义任务相关成分分析(GTRCA)方法,可最大化单个训练数据、单个测试数据和预定义的正余弦信号这三组数据之间的相关性以进一步提高SSVEP-BCI的字符识别性能.GTRCA方法及其滤波器方法在35名受试者的数据集上进行评估,结果表明该方法的分类性能与TRCA等基准算法相比具有明显优势,平均分类准确率最高达到(90.7±4.71)%,信息传输率最高达到(188.46±18.69)...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 59; no. 23; pp. 334 - 340
Main Authors 韩丹, 董艳清, 高程昕, 曹锐
Format Journal Article
LanguageChinese
Published 太原理工大学 软件学院,山西 晋中 030600 01.12.2023
Subjects
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2208-0089

Cover

More Information
Summary:TP39; 稳态视觉诱发电位脑机接口(SSVEP-BCI)因其稳定、高效得到了广泛的应用.任务相关成分分析(TRCA)是一种在SSVEP-BCI系统中识别频率的主要方法.为了解决短时间窗口识别准确率较低等问题,提出了一种广义任务相关成分分析(GTRCA)方法,可最大化单个训练数据、单个测试数据和预定义的正余弦信号这三组数据之间的相关性以进一步提高SSVEP-BCI的字符识别性能.GTRCA方法及其滤波器方法在35名受试者的数据集上进行评估,结果表明该方法的分类性能与TRCA等基准算法相比具有明显优势,平均分类准确率最高达到(90.7±4.71)%,信息传输率最高达到(188.46±18.69)bit/min.研究表明,基于GTRCA的方法对实现SSVEP-BCI系统的高性能目标具有较大价值.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2208-0089