脑机接口（BCI）中基于 EEG 的回归问题的空间滤波
机器学习
2020-03-31 v1 人机交互
摘要
脑电图（EEG）信号频繁用于脑机接口（BCIs）中，但它们易受伪影和噪声污染，因此在送入机器学习算法进行分类或回归之前必须进行预处理。空间滤波器已广泛用于提高 BCI 分类问题中 EEG 的信噪比，但其在 BCI 回归问题中的应用非常有限。本文提出了两种用于 BCI 中基于 EEG 的回归问题的公共空间模式（CSP）滤波器，它们通过利用模糊集从用于分类的 CSP 滤波器扩展而来。来自一项大规模研究的基于 EEG 的响应速度估计的实验结果（该研究在 5 个月内从 17 名受试者收集了 143 次会话的持续注意力精神运动警觉任务数据）表明，这两种提出的空间滤波器能显著提高 EEG 信号质量。当用于 LASSO 和 k 近邻回归进行用户响应速度估计时，这些空间滤波器可将均方根估计误差降低 10.02-19.77%，同时将与真实响应速度的相关性提高 19.39-86.47%。
引用
@article{arxiv.1702.02914,
title = {Spatial Filtering for EEG-Based Regression Problems in Brain-Computer Interface (BCI)},
author = {Dongrui Wu and Jung-Tai King and Chun-Hsiang Chuang and Chin-Teng Lin and Tzyy-Ping Jung},
journal= {arXiv preprint arXiv:1702.02914},
year = {2020}
}