基于脑波解码想象语音及计算机控制

在这项工作中，我们探索了使用机器学习技术解码想象语音脑波的可能性。我们提出以脑电图通道的协方差矩阵作为输入特征，将协方差矩阵投影到其切空间以从协方差矩阵获得向量，使用主成分分析对向量降维，以人工前馈神经网络作为分类模型，并使用自助聚合来创建神经网络模型的集成。分类之后，设计了两种不同的有限状态机，利用基于想象语音的 BCI 系统创建用于控制计算机系统的接口。所提出的方法在长词与短词的二分类任务上能以最高平均分类准确率 85% 解码想象语音信号。我们还表明，我们的方法能以最高平均分类准确率 94% 区分想象语音脑信号与静息态脑信号。我们将所提方法与其他解码想象语音的方法进行比较，表明我们的方法在解码长词与短词上达到最先进水平，并在解码三个短词与三个元音的另外两个任务上分别以平均 11% 和 9% 的差距显著优于它。当使用基于 IS 的系统操作计算机时，我们还获得了 21 比特每分钟的信息传输率。这些结果表明，所提方法能够在无需任何人工设计特征的情况下解码多种想象语音信号。