一种用于 BCI 拼写的最优刺激序列生成的主动 RBSE 框架
人机交互
2017-10-11 v1
摘要
一类脑机接口（BCI）利用脑电图（EEG）信号的非侵入式记录，使具有严重言语和运动障碍的用户能够与其环境和社会网络进行交互。例如，基于 EEG 的 BCI 打字系统通常利用事件相关电位（ERPs）进行推断。当前基于 ERP 的逐字打字 BCI 中的呈现范式设计通常以任意子集字符向用户查询。然而，通过更明智的子集选择和闪光分配，打字准确率和打字速度可以得到潜在提升。在本手稿中，我们引入了用于推断和序列优化的主动递归贝叶斯状态估计（active-RBSE）框架。在每次迭代呈现之前，该开发框架不是显示随机选择的字符子集，而是基于查询函数最优地选择一个子集。所选查询在每次意图检测期间针对用户进行自适应专门化。通过基于仿真的研究，我们评估了 active-RBSE 对语言模型辅助打字 BCI 在打字速度和准确率方面的性能影响。为了提供比较基线，我们还利用了标准呈现范式，即行列矩阵呈现范式和随机快速序列视觉呈现范式。结果表明，active-RBSE 的使用可以提升系统的在线性能，无论是在打字准确率还是速度方面。
引用
@article{arxiv.1607.03578,
title = {An Active RBSE Framework to Generate Optimal Stimulus Sequences in a BCI for Spelling},
author = {Mohammad Moghadamfalahi and Murat Akcakaya and Hooman Nezamfar and Jamshid Sourati and Deniz Erdogmus},
journal= {arXiv preprint arXiv:1607.03578},
year = {2017}
}
备注
10 pages, 6 figures, Will be submitted to IEEE transactions on Signal Processing