通过滤波器组选择改进运动前模式检测
人机交互
2022-11-07 v1
摘要
运动前解码在运动检测中起着重要作用，能够利用低频脑电图（EEG）信号在肢体运动之前检测运动起始。在相关研究中，基于标准任务相关成分分析（STRCA）的运动前解码已被证明可高效分类运动状态与静息状态。然而，STRCA 的准确率在频域各子带间存在差异。由于个体差异，最佳子带因人而异且难以确定。本研究旨在通过多子带上的特征选择来改进 STRCA 方法的性能，并避免最佳子带的选择。本研究首先比较了三种频率范围设置（：等间隔带宽的子带；：高截止频率为低截止频率两倍的子带；：从某些特定固定频率开始、以等差数列频率结束的子带）。然后，我们开发了一种基于互信息的技术来在这些子带中选择特征。使用二分类支持向量机分类器对所选本质特征进行分类。结果显示 优于另外两种设置。利用 中的滤波器组，所提出的 FBTRCA 的分类准确率达到 0.87000.1022，意味着相较于 STRCA（0.82870.1101）以及交叉验证与测试方法（0.84310.1078）性能显著提升。
引用
@article{arxiv.2201.12153,
title = {Improving Pre-movement Pattern Detection with Filter Bank Selection},
author = {Hao Jia and Zhe Sun and Feng Duan and Yu Zhang and Cesar F. Caiafa and Jordi Solé-Casals},
journal= {arXiv preprint arXiv:2201.12153},
year = {2022}
}