DF-SSmVEP：基于双频聚合稳态运动视觉诱发电位设计与双折叠典型相关分析
信号处理
2022-01-04 v1 人机交互
摘要
脑电图(EEG)传感器技术与信号处理算法的最新进展为脑机接口(BCI)的进一步发展铺平了道路。在 BCI 的信号处理(SP)方面，稳态运动视觉诱发电位(SSmVEP)受到越来越多的关注，其利用运动刺激来解决传统光闪/闪烁的关键问题。然而，此类益处是以准确率和信息传输率(ITR)降低为代价的。对此，本文聚焦于一种新颖 SSmVEP 范式的设计，在不使用试验时间、相位和/或目标数量等资源的情况下提升 ITR。所提设计基于一个直观且令人满意的想法：在单一 SSmVEP 目标刺激中同时整合多于一种运动。为诱发 SSmVEP，我们设计了一种新颖的双频聚合调制范式，称为双频聚合稳态运动视觉诱发电位(DF-SSmVEP)，其在单一目标中并发整合“径向缩放”与“旋转”运动而不增加试验长度。与常规 SSmVEP 相比，所提 DF-SSmVEP 框架由两种运动模式整合而成并同时呈现，各自由特定目标频率调制。本文还基于每目标两个运动频率开发了特定的无监督分类模型，称为双折叠典型相关分析(BCCA)。所提 DF-SSmVEP 基于真实 EEG 数据集评估，结果证实其优越性。所提 DF-SSmVEP 优于同类方法，实现了平均 ITR 为 30.7 +/- 1.97，平均准确率为 92.5 +/- 2.04。
引用
@article{arxiv.2201.00283,
title = {DF-SSmVEP: Dual Frequency Aggregated Steady-State Motion Visual Evoked Potential Design with Bifold Canonical Correlation Analysis},
author = {Raika Karimi and Arash Mohammadi and Amir Asif and Habib Benali},
journal= {arXiv preprint arXiv:2201.00283},
year = {2022}
}