Advertisement

TRCA-SSVEP: 一种利用任务相关组件分析（TRCA）的算法，旨在探测面向高速脑机接口（BCI）的稳态视觉诱发电位（SSVEP）

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
简介：TRCA-SSVEP是一种创新算法，运用任务相关组件分析技术，专注于提升高速脑机接口中稳态视觉诱发电位的检测效率和准确性。 基于任务相关组件分析（TRCA）的算法用于检测朝向高速脑机接口（BCI）中的稳态视觉诱发电位（SSVEP）。头皮上的脑电图（EEG）信号可以被视为来自多个皮层来源活动的瞬时线性混合物。换句话说，可以通过多通道头皮EEG信号的加权线性组合来估计或重建皮质源信号。TRCA算法寻找最佳权重系数以最大化任务试验中时间锁定活动的重现性，从而显著提高与任务相关的EEG组件信噪比（SNR）。 该发行版本包括以下文件： - data/sample.mat：样本数据 - src/train_trca.m：基于TRCA训练分类器的脚本 - src/test_trca.m：使用基于TRCA的分类器对SSVEP进行分类的脚本 - src/test_fbcca.m：使用FBCCA（滤波银行独立成分分析）对SSVEP进行分类的脚本 - src/filterbank.m：设计一个滤波组的函数 - src/itr.m：计算信息传输率的函数

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • TRCA-SSVEP: 一种利用任务相关组件分析（TRCA）的算法，旨在探测面向高速脑机接口（BCI）的稳态视觉诱发电位（SSVEP）
    优质
    简介：TRCA-SSVEP是一种创新算法，运用任务相关组件分析技术，专注于提升高速脑机接口中稳态视觉诱发电位的检测效率和准确性。 基于任务相关组件分析（TRCA）的算法用于检测朝向高速脑机接口（BCI）中的稳态视觉诱发电位（SSVEP）。头皮上的脑电图（EEG）信号可以被视为来自多个皮层来源活动的瞬时线性混合物。换句话说，可以通过多通道头皮EEG信号的加权线性组合来估计或重建皮质源信号。TRCA算法寻找最佳权重系数以最大化任务试验中时间锁定活动的重现性，从而显著提高与任务相关的EEG组件信噪比（SNR）。 该发行版本包括以下文件： - data/sample.mat：样本数据 - src/train_trca.m：基于TRCA训练分类器的脚本 - src/test_trca.m：使用基于TRCA的分类器对SSVEP进行分类的脚本 - src/test_fbcca.m：使用FBCCA（滤波银行独立成分分析）对SSVEP进行分类的脚本 - src/filterbank.m：设计一个滤波组的函数 - src/itr.m：计算信息传输率的函数
     
  • SSVEP 代码及稳态视觉诱发
    优质
    本项目专注于研究和开发基于SSVEP（稳态视觉诱发电位）的技术。通过特定频率刺激大脑产生可测量的电反应，实现人机交互应用。提供相关代码支持学习与创新。 系统支持蓝色传感、博睿康和Neuroscan设备的适配，并可实现界面刺激频闪功能。采集的数据导入系统后，通过FBCC算法进行计算处理。
     
  • 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
    优质
    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。
     
  • SSVEP脑机接口信号数据（Data_2.mat）
    优质
    Data_2.mat包含用于SSVEP脑机接口系统的实验数据，记录了参与者在不同频率视觉刺激下的脑电活动，适用于研究和开发基于视觉诱发稳态响应的脑机交互技术。 该数据基于SSVEP经典实验范式产生，并提供4维的数据集。第一个维度表示数据采集的通道数；第二个维度代表采样点的数量；第三个维度反映了实验重复次数，以确保数据可靠性；第四个维度则对应于试验中刺激块的不同闪烁频率。例如，在Data_1中，其大小为[9,5120,40,6]：这里的“9”意味着该实验的数据采集自9个通道，“5120”表示采样点的数量，“40”代表为了确保数据的可靠性进行了40次试验；而“6”则表明SSVEP实验范式中刺激块采用了六种不同的闪烁频率。
     
  • BCI-Meta SSVEP系统及其信号处理算法的复现，涵盖SSVEP、MI和P300等各类相关技术
    优质
    本研究专注于复现BCI-Meta SSVEP系统，并深入探讨同步稳态视觉诱发电位（SSVEP）、运动想象（MI）及P300信号处理算法，旨在促进脑机接口技术的发展。 本项目旨在复现基于稳态视觉诱发电位（SSVEP）范式的脑机接口系统。通过自主设计的刺激器发出特定频率的闪烁信号来引发大脑产生与该频率相匹配的基本频段及倍频段的电信号。这些脑电波随后被采集设备捕捉并放大，然后传输至计算机进行进一步处理。 在MATLAB软件平台上，对收集到的数据执行频谱分析以识别其中包含的关键信息，并转换为控制信号。接下来通过蓝牙技术将该控制指令发送给外部装置或应用程序，使它们根据预设的规则作出响应。这使得用户能够仅凭思维来操控打字、智能机器人（如轮椅模型）以及智能家居系统等功能。 这一解决方案特别适用于那些因为身体原因而难以使用传统输入设备的人群。产品包括视觉刺激软硬件套装、脑电采集装置、信号放大器和处理软件，再加上一些特定的应用程序以增强用户体验。对于有运动或语言障碍但视力正常的用户来说，在大脑意识清晰的情况下通过SSVEP技术可以激活其枕叶区域中的稳态视觉诱发电位活动，从而实现有效的交互操作。 整个系统设计简洁且易于上手：只需进行简单的校准设置即可投入使用，并为各类需求者提供了便捷的辅助功能。
     
  • Introduction to SSVEP-BCI Algorithm v5.pdf
    优质
    本PDF介绍了第5版SSVEP脑机接口算法，详细解释了其工作原理、改进点及实验验证过程，适合研究者和开发者参考学习。 稳态视觉诱发电位脑机接口算法包括相关分析（CCA）及任务相关成分分析（TRCA），这两种方法用于寻找空间滤波器。
     
  • 基于SSVEP刺激界面的40目标脑机接口键盘拼写器
    优质
    本研究开发了一种基于SSVEP刺激的高效脑机接口键盘系统，能够实现40个目标的快速准确选择，为拼写任务提供便利。 SSVEP拼写器包含40个目标（8 Hz ~ 15.8），采用类似清华大学Benchmark的实验范式，红色框表示刺激提示。此程序可以与Brain Product脑电帽配合使用，在线识别SSVEP信号，只需提供BP提供的RDA接口文件即可实现。本资源适合刚入门SSVEP研究的硕士研究生学习，虽然难度不大但需要花费时间理解代码。我的博客也有关于该主题的文章可供参考。
     
  • 脑电视觉诱发数据集
    优质
    脑电视觉诱发数据集包含大量由视觉刺激引发的人类大脑活动记录，旨在促进脑机接口及神经科学领域的研究与应用发展。 该数据库是通过使用商业设备对30名受试者进行实验而获得的，以部分满足博士学位的要求。计算机科学候选人Fernandez-Fraga S.M.在M. A. Aceves-Fernandez博士的监督下完成了这项工作，他们来自墨西哥克雷塔罗自治大学（UAQ）。这些实验符合当地最高道德标准和国际标准，并且由专业医师全程监督。