用于稳态视觉诱发电位脑-机接口目标识别的深度学习方法
发布时间：2025-04-30
点击次数：
- 发布时间：
- 2025-04-30
- 论文名称：
- 用于稳态视觉诱发电位脑-机接口目标识别的深度学习方法
- 发表刊物：
- 西安交通大学学报
- 摘要：
- 针对稳态视觉诱发电位(SSVEP)脑电信号存在个体差异性强、信噪比低等特点而导致其识别困难等问题，提出一种用于SSVEP信号分类识别的深度学习方法。该方法以原始多通道SSVEP信号为输入，利用SSVEP信号的时空特性，首先使用一维时间卷积核对输入信号的时域进行卷积操作；然后使用一维空间卷积核进行空域卷积，对多通道信息进行融合；随后采用降采样、多尺度卷积、全连接等操作完成SSVEP信号的分类识别。实验结果表明：利用该方法在较短时间的视觉刺激下即可实现对被试者SSVEP信号的有效识别；在1 s刺激时长时，该方法的平均离线信息传输率为94.17 b/min，平均识别准确率为93.3%，相比于无监督典型相关分析方法和有监督支持向量机分析方法，识别准确率分别提升了48.73%和41.21%。该方法具有较好目标识别效率及鲁棒性，有效的提高了基于稳态视觉诱发电位信号的脑-机接口的性能。
- 合写作者：
- 杜光景, 谢俊(通讯作者), 张玉彬, 曹国智, 薛涛, 徐光华
- 是否译文：
- 否
- 发表时间：
- 2019-11-01
- 上一条：Performance Evaluation of Visual Noise Imposed Stochastic Resonance Effect on Brain-Computer Interface Application: A Comparison Between Motion-Reversing Simple Ring and Complex Checkerboard Patterns
- 下一条：Enhanced Plasticity of Human Evoked Potentials by Visual Noise During the Intervention of Steady-State Stimulation Based Brain-Computer Interface