基于脑机接口的任务相关性成分分析(TRCA)算法及其在论文中的应用

简介：
简介：本文探讨了任务相关性成分分析（TRCA）算法在脑机接口系统中的应用，并详细介绍了其技术原理及在多篇学术论文中取得的研究成果。 本研究提出并评估了一种新的数据驱动的空间滤波方法，旨在增强高速脑机接口（BCI）拼写器中的稳态视觉诱发电位（SSVEPs）检测效果。该方法采用任务相关成分分析（TRCA），通过减少背景脑电图活动的影响来提高信噪比，并进一步开发了集成多个刺激频率的TRCA滤波器的方法以提升信号再现性。研究使用了一个包含12名受试者40类SSVEP的数据集，对比了基于TRCA和扩展典型相关分析（CCA）方法在BCI性能上的差异。此外，通过线索引导目标选择任务及自由拼写任务的在线测试进一步验证了该系统的实用性，其中后者包括对另外10名被试的应用。 结果显示，在离线实验中提出的基于TRCA的方法相较于基于扩展CCA的方法显著提升了分类精度。综上所述，本研究证明了所提出方法在实现高速SSVEP BCI方面的有效性。