相比之下,采用典型相关分析 (CCA) 、最小能量组合 (MEC) 和任务相关成分分析 (TRCA) 进行比较。 2.4. 扫视检测 当受试者将目光转向新目标时,扫视同时自发地发生。对于本研究中使用的范式,可能的水平眼球运动为:不变,一半左眼跳,完全左眼跳,一半右眼跳和完全右眼跳。半扫视意味着水平注视位置的变化是屏幕宽度的一半,例如,从左侧刺激到
1.2.2.2 滤波器组Chen等[18]在CCA的基础上加入了滤波器组,通过具有不同通带的多个滤波器对信号特征进行子带分解以充分利用SSVEP信号的基频和谐波频率成分。文献如基于SSVEP响应信噪比设计了3种滤波器组,分别是具有等间距带宽的频段的滤波器组,对应单个谐波频段的...
CCA) 是一种通过分析两组变量相关性的多元统 计方 法ꎬ 在SSVEP的特征识别中得到广泛应 r^= ∑i=1sign( ri ) 5 ×r2i . (4) 最后取 fs=max{^r(f1 )ꎬꎬ^r(fn )}作为决策值. 3 结果与分析 ITR 作为目前常用的评估 BCI 性能的参数指 用[14] . 假设有 n 个刺激频率ꎬ对每个刺激...
至于基于SSVEP的BCI的分类,我们使用FBCCA方法进行分类,并比较了在不同窗口长度下FBCCA和CCA方法的分类结果,如图8所示。统计结果显示,FBCCA在各窗口长度上的分类精度均显著优于CCA (p < 0.01)。在相同的刺激时间长度下,由于使用了谐波频率信息,FBCCA的分类精度优于CCA(Chen et al., 2015a,b)。 图8.在基于提示的...
至于基于SSVEP的BCI的分类,我们使用FBCCA方法进行分类,并比较了在不同窗口长度下FBCCA和CCA方法的分类结果,如图8所示。统计结果显示,FBCCA在各窗口长度上的分类精度均显著优于CCA (p < 0.01)。在相同的刺激时间长度下,由于使用了谐波频率信息,FBCCA的分类精度优于CCA(Chen et al., 2015a,b)。
此外,为进一步验证 eTRCA + sbCNN 的性能,研究人员将eTRCA + sbCNN与其它先进的 ML 算法和 DL 网络((a) CCA; (b) FBCCA; (c) TRCA; (d) compact-CNN; (e) conv-CA; (f)bi-SiamCA)进行了比较。结果发现,无论是分类精确率还是ITR,eTRCA + sbCNN均显著优于其它算法。
BCI 中使用滤波器库典型相关分析（FBCCA） 进行 SSVEP 解码。相比之下，采用典型相关分析 （CCA） 、...