换一批基于滤波器组典型相关分析的SSVEP信号分类方法
Classification method of SSVEP signals based on filter bank canonical correlation analysis
摘要基于稳态视觉诱发电位(SSVEP)的脑机接口系统存在鲁棒性不足和短时分类准确率较低的问题,本文提出了一种基于滤波器组典型相关分析的SSVEP信号分类方法(FBCCA-SVM).通过结合性能较为优秀的滤波器组典型相关分析(FBC-CA)和鲁棒性强的支持向量机(SVM)的优点,使用SVM分类器替代FBCCA中的MAX分类器对FBCCA提取到的特征分类,在较短时间的刺激下在多目标分类中达到了较高的准确率和信息传输速率(ITR).通过对 8 名受试者的实验结果表明,2s的刺激时间下平均准确率为 93.91%,信息传输速率为 78.63 bit/min,与典型相关分析方法相比,平均准确率和信息传输速率分别提高了 14.32%和 25 bit/min;与滤波器组典型相关分析方法相比,分别提高了 6.36%和 9.66 bit/min;相比于主流识别算法,该方法性能得到明显提高,同时增强了目标分类的鲁棒性,为后续脑机接口系统的实际应用提供了实验基础.
更多相关知识
关键词
稳态视觉诱发电位脑机接口滤波器组典型相关分析支持向量机目标分类steady-state visual evoked potentialbrain-computer interfacefilter bank canonical correlation analysissupport vector machinetarget classification
栏目名称
DOI
10.20169/j.issn.2095-2163.240704
发布时间
2024-07-22（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61977039）
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
