机构名称：
¥ 1.0
抽象目标。这项研究研究了围绕用户耳朵（EAR-EEG）的脑电图（EEG）的功效（EEG）对于基于语音象征的大脑 - 计算机界面（BCI）系统的功效。方法。开发了可穿戴的EAR-EEG采集工具，并将其性能直接与多级语音图像分类任务中传统的32通道头皮EEG设置进行了比较。EEG协方差矩阵的Riemannian切线空间预测用作多层极端学习机分类器的输入功能。十个受试者参加了一个由六个课程组成的实验，该实验涵盖了三天。实验涉及想象四个语音命令（“左”，“右”，“向前”和“回去”）并保持休息状态。主要结果。我们系统的分类准确性显着高于机会水平（20％）。所有十个受试者的分类结果平均为38.2％和43.1％，EAR-EEG和SCACP-EEG的最高（最大）分别为43.8％和55.0％。根据对方差的分析，十分之七的受试者在EAR-EEG和SCACP-EEG的表现之间没有显着差异。意义。据我们所知，这是第一个研究基于语音模拟的BCI中EAR-EEG表现的研究。 结果表明，EAR-EEG具有巨大的潜力，可以替代SCACP-EEG获取方法进行语音模拟监测。据我们所知，这是第一个研究基于语音模拟的BCI中EAR-EEG表现的研究。结果表明，EAR-EEG具有巨大的潜力，可以替代SCACP-EEG获取方法进行语音模拟监测。我们认为，在拟议的系统中，语音图像和EAR-EEG获取的优点和可行性将加速日常使用BCI系统的开发。
使用EAR-EEG
主要关键词
相关文件推荐
