滤波器组共空间模式在心理负荷估计中的应用
人机交互
2016-11-15 v1
摘要
基于EEG的负荷估计技术提供了一种实时评估心理负荷的手段。该技术能有效提升人机交互与学习过程的性能。在设计负荷估计算法时，一个关键的信号处理环节是特征提取步骤。尽管该领域已有若干研究，但EEG信号的空间特性大多被忽视。由于EEG本身空间分辨率较差，从每个EEG通道单独提取的特征可能效率不足。当我们在实际场景中使用成本低廉且便捷但稳定性有限的EEG传感器时，这一问题变得更加显著。为了解决这一问题，本文引入一种结合特征选择方法的滤波器组共空间模式算法，以提取能够区分不同心理负荷水平的空间-频谱特征。为了评估所提出的算法，我们使用Emotiv EPOC（一种移动低成本EEG记录设备）记录的数据，对两种具有代表性的工作记忆任务进行了比较分析。实验结果表明，所提出的空间滤波算法在分类准确率方面优于现有算法。
引用
@article{arxiv.1510.07263,
title = {Filter Bank Common Spatial Patterns in Mental Workload Estimation},
author = {Mahnaz Arvaneh and Alberto Umilta and Ian H. Robertson},
journal= {arXiv preprint arXiv:1510.07263},
year = {2016}
}
备注
Accepted for publication in IEEE EMBC 2015