论文部分内容阅读
脑机接口(brain-computer interface,BCI)是在大脑和计算机或其它外部设备之间建立的不依赖于外周神经或肌肉组织的直接通信系统。本文主要研究基于稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)BCI 的空域滤波算法。典型相关分析(canonical correlation analysis,CCA)广泛用于估计使用多通道SSVEP信号进行空域滤波的空域滤波器。在现有的基于CCA方法中,训练数据用于构造刺激目标的模板,在模板信号和单次实验测试信号之间估计空域滤波器。但是,对比新提出的任务相关分量分析(task-related component analysis,TRCA)算法,由于空域滤波器依赖于测试数据导致CCA的分类性能较低。研究表明,如果仅使用训练数据估计空域滤波器,则CCA的性能与TRCA相当。并且从理论上证明了 CCA估计的两个空域滤波器彼此等效。使用来自35个受试者的基准SSVEP数据集进行了基于CCA的三种方法的分类实验。结果表明,新提出的基于CCA的方法效果最好。进一步研究发现,只使用训练数据估计空域滤波器的性能优于单次实验测试信号生成的空域滤波器,基于受试者训练数据的单个模板产生的空域滤波器的性能优于通用正弦余弦模板产生的空域滤波器。此外,还研究了另一种空域滤波算法,即最大信号分数分析(maximum signal fraction analysis,MSFA),该算法也具有与TRCA等效的性能。在此基础上,证明了在数据长度、通道数与训练实验次数足够的条件下,CCA、MSFA和TRCA也是等效的。使用基准SSVEP数据集,根据不同的数据长度,通道数和训练实验次数,将三种算法与滤波器组或ensemble分析结合或两者都结合的性能进行比较。实验结果表明,就分类精度而言,无论这些参数如何,CCA和MSFA之间的等效关系均成立,而三种算法之间的等效关系只有在训练数据的信噪比足够高时才成立。如果训练信号的SNR低,CCA和MSFA优于TRCA。滤波器组与ensemble方法都是非常有效的方法,都能进一步提高性能。进一步研究三种空域滤波算法的区别,发现CCA和MSFA比 TRCA具有更好的稳健性和抗噪声的能力。在运算速度方面,MSFA比CCA和TRCA更快。