基于EEG的90度转向意图检测用于脑机接口
信号处理
2026-01-14 v3
摘要
基于脑电图(EEG)的转向意图预测对于构建有效的下肢运动脑机接口(BCI)系统至关重要。本研究利用事件发生前获取的EEG信号,探讨了左转、右转和直行意图检测的可行性。使用31通道EEG和基于IMU的运动捕获系统,在九名健康受试者进行左转、右转和直行运动时收集同步数据。对EEG数据进行预处理,包括消除伪迹重构(ASR)、信号重参考和独立成分分析(ICA)以去除数据噪声。预处理后的EEG数据特征提取包括计算各种统计量(均值、中位数、标准差、偏度和峰度),以及Hjorth参数(活动性、灵活性和复杂性)。随后,采用随机森林算法进行特征选择,实现降维。获得的特征集用于5折交叉验证中的3分类,采用XGBoost、梯度提升和基于径向基核的支持向量机(SVM)分类器。采用所提出的意图检测方法时,使用1.5秒EEG窗口和0秒时滞的SVM分类器表现最佳,在九名受试者中的平均准确率、精确率和召回率分别为81.23%、85.35%和83.92%。解码分析表明,使用EEG信号在事件发生前可预测下肢运动的转向意图是可行的。
引用
@article{arxiv.2410.11339,
title = {EEG-based 90-Degree Turn Intention Detection for Brain-Computer Interface},
author = {Pradyot Anand and Anant Jain and Suriya Prakash Muthukrishnan and Shubhendu Bhasin and Sitikantha Roy and Lalan Kumar},
journal= {arXiv preprint arXiv:2410.11339},
year = {2026}
}
备注
Pradyot Anand, Anant Jain: Equal contributions by the authors