提出一種新的基于快速序列視覺呈現(xiàn)(Rapid Serial Visual Presentation,RSVP)與穩(wěn)態(tài)視覺誘發(fā)電位(Steady-State Visually Evoked Potential,SSVEP)組合范式的腦電信號(Electroencephalogram,EEG)刺激與多類事件檢測方法。對誘發(fā)的原始腦電信號通過電位重參考、基線去除、空間濾波等預(yù)處理操作去除數(shù)據(jù)的偽跡和噪聲,通過自舉聚合決策樹(Bagging Tree,BT)和支持向量機(Supported Vector Machine,SVM)等機器學(xué)習(xí)算法,對14名受試者雙重刺激誘發(fā)的腦電信號進行目標(biāo)與頻率相結(jié)合的多類事件檢測,通過實驗驗證了該組合范式誘發(fā)的腦電信號具有良好的多類可分性,為開發(fā)基于RSVP和SSVEP兩種范式的混合型腦-機接口應(yīng)用提供了一種新的有效途徑。同時,實驗結(jié)果還表明,基于機器學(xué)習(xí)的BT和SVM模型對RSVP和SSVEP組合范式誘發(fā)的EEG信號進行多類識別的性能明顯優(yōu)于傳統(tǒng)的典型關(guān)聯(lián)分析(Canonical Correlation Analysis,CCA)算法的性能。

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 EEG數(shù)據(jù)獲取
    2.1 實驗準(zhǔn)備
    2.2 實驗過程
    2.3 數(shù)據(jù)預(yù)處理
3 EEG特征提取與分類算法
    3.1 歸一化處理與PSD特征提取
    3.2 基于CCA算法的SSVEP頻率匹配
    3.3 基于機器學(xué)習(xí)的EEG分類算法
4 EEG事件分類實驗及結(jié)果分析
    4.1 基于RSVP的2類事件分類
    4.2 基于RSVP與SSVEP的5類事件分類
    4.3 基于RSVP與SSVEP的8類事件分類
5 結(jié)束語



本文編號：3803583