10.16652/j.issn.1004-373x.2023.19.006
基于PCA的EEG-fNIRS特征融合
运动想象脑-机接口(MI-BCI)可解码用户运动意图,它无需任何外部刺激就能产生指令,可以为无法自主运动患者提供一种额外交流通道,辅助或改善其生活方式,但目前还没有一个比较好的方法能对MI-BCI进行高效解码.脑电图(EEG)和功能近红外光谱(fNIRS)是目前一种无创的功能神经成像技术.在单个模式上,EEG的空间分辨率较差,而时间分辨率较高,相比之下,fNIRS提供了更好的空间分辨率,所以文中采用双模态的方式对MI信号进行解码.由于EEG和fNIRS是两种不同类型的信号,如何对两种信号进行融合是目前研究的重点和难点,文中首先对特征提取后的两种信号进行归一化处理,然后采用主成分分析(PCA)算法进行信号融合.实验招募了12名被试做抬左右腿的运动想象.结果表明单独使用EEG和fNIRS进行信号解码精度最高为73.8%,使用PCA对EEG-fNIRS的特征进行融合后分类精度实现了81.2%,提高了7.4%.实验结果证明提出的方法可以为未来的多模态在线BCI系统提供新的思路.
双模态融合、脑电图、功能近红外光谱、运动想象、支持向量机、共空间模式、信号解码、主成分分析
46
TN911.7-34;TP319
2023-10-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
29-33