Verbesserung der Leistung von SSVEP-basierten Gehirn-Computer-Schnittstellen durch Ausnutzung interindividueller Informationen

ZIEL: Es wurde ein neues trainingsfreies Framework für die Zielerkennung in SSVEP-basierten Gehirn-Computer-Schnittstellen (BCIs) unter Verwendung von gemeinsamer Frequenz-Phasen-Codierung vorgeschlagen. ANSÄTZE: Die Hauptidee besteht darin, SSVEP-Vorlagen von den vorhandenen Probanden auf einen neuen Probanden zu übertragen, um die Erkennung von SSVEPs zu verbessern. Unter diesem Rahmen wurden transfer-template-basierte kanonische Korrelationsanalysen (tt-CCA) für Einzelkanal- und Mehrkanalbedingungen entwickelt. Darüber hinaus wurde eine online-transfer-template-basierte CCA (ott-CCA) Methode vorgeschlagen, um EEG-Vorlagen durch Online-Anpassung zu aktualisieren. HAUPTERGEBNISSE: Die Effizienz des vorgeschlagenen Rahmens wurde mit einem simulierten BCI-Experiment bewiesen. Im Vergleich zur Standard-CCA-Methode erzielte tt-CCA einen Anstieg der Genauigkeit um 18,78% bei einer Datenlänge von 1,5 s. Ein simulierter Test der ott-CCA erzielte darüber hinaus einen Anstieg der Genauigkeit um 2,99%. BEDEUTUNG: Das vorgeschlagene einfache, aber effiziente Framework erleichtert erheblich die Verwendung von SSVEP-BCIs mit gemeinsamer Frequenz-Phasen-Codierung. Diese Studie beleuchtet auch die Vorteile der Erforschung und Ausnutzung interindividueller Informationen für die elektroenzephalogrammbasierten BCIs.