期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
改进的多变量同步指数脑机接口分类算法 被引量：1
1
作者 马鹏飞 董朝轶 +5 位作者 马爽 贾婷婷 肖志云 齐咏生 陈晓艳 林瑞静 《科学技术与工程》 北大核心 2021年第34期14598-14603,共6页
近年来,稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)范式脑机接口(brain-computer interface,BCI)得到了日益广泛的研究。如何选择不同的分类特征,对于提高频率识别的准确率,改善SSVEP-BCI系统至关重要。针对少目标... 近年来,稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)范式脑机接口(brain-computer interface,BCI)得到了日益广泛的研究。如何选择不同的分类特征,对于提高频率识别的准确率,改善SSVEP-BCI系统至关重要。针对少目标刺激范式的SSVEP-BCI系统,提出了小波包变换(wavelet packet transform,WPT)同多变量同步指数(multivariate synchronization index,MSI)相结合的方法,对10名被试者的400组SSVEP数据进行特征提取并分类。在分类过程中,讨论了导联数量和数据长度两个参数对改进算法的影响。实验结果表明:在数据长度为1.5 s,导联7导的条件下,基于WPT-MSI的SSVEP算法的分类准确率达到98.94%,信息传输率为76.24 bit/min。明显优于典型的MSI算法和其他改进算法,具有显著提高的频率识别正确率。 展开更多
关键词 脑机接口 稳态视觉诱发电位 小波包变换 特征提取 多变量同步指数
在线阅读 下载PDF
MSI和CCA算法对稳态视觉诱发电位信号分类的比较研究 被引量：4
2
作者 高诺 翟文文 杨玉娜 《信号处理》 CSCD 北大核心 2018年第8期984-990,共7页
脑机接口(Brain Computer Interface,BCI)系统能让那些有运动障碍的病人用脑信号与外界设备交互。稳态视觉诱发电位(Steady State Visual Evoked Potential,SSVEP)具有分析正确率高,不用训练等优点而倍受重视。如何高效地对SSVEP信号频... 脑机接口(Brain Computer Interface,BCI)系统能让那些有运动障碍的病人用脑信号与外界设备交互。稳态视觉诱发电位(Steady State Visual Evoked Potential,SSVEP)具有分析正确率高,不用训练等优点而倍受重视。如何高效地对SSVEP信号频率识别是SSVEP-BCI的关键问题,并关系到BCI的系统优劣。本文采用多变量同步指数与典型相关分析方法对SSVEP信号分类进行比较研究,探讨了两种方法在数据长度、导联数量、导联位置以及参考信号的谐波数量对SSVEP信号分类效果的影响。六位被试者参与实验采集数据,实验结果证实,在时间窗较小,数据长度较少的条件下,多变量同步指数方法较典型相关分析方法性能更优。而对于SSVEP信号分析来说,导联位置的准确性是影响频率分析算法的最根本因素。 展开更多
关键词 多变量同步指数 典型相关分析 视觉稳态诱发电位 正确率 脑电
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部