基于深度神经网络与耳部脑电信号的视觉响应解码
人机交互
2020-02-05 v1 信号处理
摘要
近来,实用型脑机接口得到积极开展,尤其在移动环境中。然而,在移动条件下,脑电图信号受运动伪迹和肌电信号失真,难以识别人类意图。此外,由于硬件问题亦具挑战性,耳部脑电图(ear-EEG)已为实用脑机接口而开发并广泛应用。但耳部脑电图仍含有污染信号。本文中,我们提出了在行走条件下的鲁棒双流深度神经网络,并从统计分析与脑机接口性能角度分析了头皮与耳部的视觉响应脑电信号。我们利用视觉响应范式——稳态视觉诱发电位对信号进行验证。以1.6 m/s快速行走时,脑机接口性能下降3~14%。应用所提方法后,帽式脑电图准确率提升15%,耳部脑电图提升7%。所提方法在会话依赖与跨会话实验中均对移动条件具有鲁棒性。
引用
@article{arxiv.2002.01085,
title = {Decoding Visual Responses based on Deep Neural Networks with Ear-EEG Signals},
author = {Young-Eun Lee and Minji Lee},
journal= {arXiv preprint arXiv:2002.01085},
year = {2020}
}
备注
6 pages, 3 figures, conference