基于SSVEP的脑机接口直接信息传输率优化
信号处理
2019-07-25 v1 机器学习
机器学习
摘要
本工作中，提出了一种用于基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）的分类方法。该分类方法利用传统基于SSVEP的BCI方法提取的特征，并为每个特征寻找最优判别阈值以对目标进行分类。阈值优化被形式化为一个称为信息传输率（ITR）的BCI性能度量的最大化任务。然而，与对数据做特定假设的标准ITR计算方法不同，我们推导了一个更通用的公式，以避免在标准假设不成立时出现ITR计算错误。这使得最优判别阈值能够自动计算，从而消除了手动参数选择或执行计算昂贵的网格搜索的需要。所提方法在BCI目标分类中表现出良好性能，在相同数据集上以ITR衡量优于先前报道结果达2倍。所用数据集上实现的最高ITR为62 bit/min。该方法还提供了一种减少错误分类的途径，这在实际应用中十分重要。
引用
@article{arxiv.1907.10509,
title = {Direct information transfer rate optimisation for SSVEP-based BCI},
author = {Anti Ingel and Ilya Kuzovkin and Raul Vicente},
journal= {arXiv preprint arXiv:1907.10509},
year = {2019}
}