用于基于 SSVEP 的脑机接口中频率识别的分层特征融合框架
神经元与认知
2019-03-22 v2 信号处理
摘要
高效的频率识别算法对于基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）至关重要。在本研究中，我们提出了一种分层特征融合框架，可用于设计高性能的频率识别方法。该框架包含两种主要的特征融合技术：空间维度融合（SD）和频率维度融合（FD）。SD 和 FD 融合均通过带有非线性函数的加权策略获得。为了评估我们的新方法，我们使用相关分量分析（CORRCA）方法研究了所提框架的效率和有效性。实验结果来自一个包含三十五名受试者的基准数据集，结果表明框架内扩展的 CORRCA 方法显著优于原始的 CORRCA 方法。因此，所提框架有望提升基于 SSVEP 的 BCI 中频率识别方法的性能。
引用
@article{arxiv.1812.10227,
title = {Hierarchical feature fusion framework for frequency recognition in SSVEP-based BCIs},
author = {Yangsong Zhang and Erwei Yin and Fali Li and Yu Zhang and Daqing Guo and Dezhong Yao and Peng Xu},
journal= {arXiv preprint arXiv:1812.10227},
year = {2019}
}
备注
25 pages, 9 figures