利用生成对抗网络重建 ERP 信号用于移动式脑机接口
信号处理
2020-05-19 v1 人机交互
机器学习
摘要
实用的脑机接口已被广泛研究，以利用真实世界中的脑信号准确检测人类意图。然而，由于行走和头部运动等伪迹，脑电图（EEG）信号发生畸变，脑信号幅度可能偏大而非所需的 EEG 信号。受这些伪迹影响，在移动环境中准确检测人类意图颇具挑战。本文中，我们提出了基于生成对抗网络、利用行走期间事件相关电位（ERP）的重建框架。我们使用预训练的卷积编码器表示潜变量，并通过形状与编码器相对称的生成模型重建 ERP。最后，利用判别模型对 ERP 分类，以证明所提框架的有效性。结果显示，重建信号含有与站立时 ERP 相似的 N200、P300 等重要成分。重建 EEG 的准确率与行走时原始含噪 EEG 信号相近。重建 EEG 的信噪比显著提升至 1.3。生成模型的损失为 0.6301，相对较低，意味着生成模型训练性能较高。重建 ERP 因降噪作用，最终在行走期间的分类性能上表现出改善。所提框架可助力即便在移动环境下也能基于脑机接口识别人类意图。
引用
@article{arxiv.2005.08430,
title = {Reconstructing ERP Signals Using Generative Adversarial Networks for Mobile Brain-Machine Interface},
author = {Young-Eun Lee and Minji Lee and Seong-Whan Lee},
journal= {arXiv preprint arXiv:2005.08430},
year = {2020}
}
备注
Submitted to IEEE International Conference on System, Man, and Cybernetics (SMC 2020)