其中cca由于用户在使用脑机接口设备前不需要提前训练成为了最后可能被应用的算法之一。而trca算法虽然需要用户在使用前做少量的训练,但是其强大的识别精度预示着这种方案在未来也具有极大应用前景。 技术实现要素: 鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于ssvep的脑机接口刺激范式生成、检测方法、系统、介质、终端,通
CCA的提出极大地提高了SSVEP型BCI的分类效果,但由于CCA的输入之一是未经处理的SSVEP信号,SSVEP信号可能存在干扰;同时,CCA只是单纯地计算典型相关系数并选取最大值作为输出,算法本身并未做优化处理。上述两个缺点直接影响了CCA的分类效果。 发明内容 本发明的发明目的是针对上述背景技术的不足,提供了基于MI和SSVEP双范式...
fbcca算法是在典型相关分析cca的基础上进行改进得到的,已被证明对ssvep信号具有良好的分类效果,ssvep信号处理流程如图3所示。cca是研究多个变量(x1,x2,…,xp)与多个变量(y1,y2,…,yq)之间的相关性,利用主成分分析的思想,构造两个变量u=a1x1+a2x2+...+apxp和v=b1y1+b2y2+...+bqyq,研究两者之间的关系,...
步骤3-2,对SSVEP特征的特征提取及分类识别,实现方为典型相关分析(Canonical Correlation Analysis,CCA),如图5所示,SSVEP特征主要分布在刺激频率及其二倍频上,将经过信号预处理后电极O1、Oz、O2、POz、PO4、PO8记录到的数据分别与不同刺激频率基频及二倍频、四倍频的正余弦信号求取典型相关系数,虽然CCA方法能够产生多个...
其中CCA由于用户在使用脑机接口设备前不需要提前训练成为了最后可能被应用的算法之一。而TRCA算法虽然需要用户在使用前做少量的训练,但是其强大的识别精度预示着这种方案在未来也具有极大应用前景。 发明内容 鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于SSVEP的脑机接口刺激范式生成、检测方法、系统、介质、...