尊敬的各位读者:
根据当前疫情防控要求,我馆部分原文传递服务可能会有延期,无法在24小时内提供,给您带来的不便敬请谅解!
国家工程技术图书馆
2022年11月29日
摘要: 脑机接口(BrainComputerInterface,BCI)系统中脑电帽采集信号的导联过多产生的容积效应和高维度特征,增加了脑电信号(Electroencephalogram,EEG)分类难度和信号采集的准备时间。本文提出了少导联情况下结合迁移学习对运动想象EEG信号进行解码,提高运... 展开 脑机接口(BrainComputerInterface,BCI)系统中脑电帽采集信号的导联过多产生的容积效应和高维度特征,增加了脑电信号(Electroencephalogram,EEG)分类难度和信号采集的准备时间。本文提出了少导联情况下结合迁移学习对运动想象EEG信号进行解码,提高运动想象BCI系统跨被试情况下的分类性能,降低BCI系统的采集成本,改善系统实用性。 为解决多导联对脑机接口实用化的限制,本文在运动想象先验知识的基础上,提出8、13、22导联三种导联子集方案,通过欧几里德空间数据对齐(Euclideanspacedataalignment,EA)减少不同受试者间特征分布差异,通过域可迁移性评估选择相关迁移受试者协助训练分类模型。在两个受试者分别经过长时间训练的运动想象EEG数据集和未受过训练的运动想象EEG数据集上进行实验,实验结果显示,受过训练的数据集中,8导联EEG信号的平均分类准确率最高,达到了77.08%。同时发现,在两个数据集中,EA均起到降低少导联EEG信号特征分布差异作用。其中,在受试者未受过训练的EEG数据集中EA后的分类准确率提升更为显著。 为提高基于少导联运动想象BCI的分类准确率,本文提出基于最优子带选择的滤波器组正则化共空间模式算法,将EEG信号分割成多个不同频带范围的子带,筛选出最优子带后,在特征提取阶段选择源域受试者EEG信号生成正则化协方差矩阵,通过互信息特征选择算法选择最优特征进行分类。并采集少导联运动想象任务EEG信号,在BCI竞赛公开数据集和自采数据集上进行实验,验证了该算法的性能。 收起
系统维护,暂停服务。
根据《著作权法》“合理使用”原则,您当前的文献传递请求已超限。
如您有科学或教学任务亟需,需我馆提供文献传递服务,可由单位单位签署《图书馆馆际互借协议》说明情况,我馆将根据馆际互借的原则,为您提供更优质的服务。
《图书馆馆际互借协议》扫描件请发送至service@istic.ac.cn邮箱,《图书馆馆际互借协议》模板详见附件。
根据《著作权法》规定, NETL仅提供少量文献资源原文复制件,用户在使用过程中须遵循“合理使用”原则。
您当日的文献传递请求已超限。