arXiv:2107.07064v1 [eess.SP] 2021 年 7 月 15 日__

arXiv:2107.07064v1 [eess.SP] 2021 年 7 月 15 日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arXiv:2107.07064v1 [eess.SP] 2021 年 7 月 15 日

¥ 1.0

热度

摘要：脑机接口 (BCI) 是通过反映人的意图和状态实现人与设备之间通信的工具之一。随着人工智能的发展，人们对使用脑电图 (EEG) 实现人与无人机之间通信的兴趣日益浓厚。特别是在控制无人机群的方向或编队的情况下，与控制无人机单元相比具有许多优势。想象语音是内源性 BCI 范式之一，可以识别用户的意图。在进行想象语音时，用户会想象发音就像实际说话一样。相反，公开语音是用户直接发音的任务。当使用想象语音控制无人机群时，可以更直观地传达复杂命令，但解码性能低于其他内源性 BCI 范式。我们提出了深度自动学习器 (DAL) 来学习公开语音的脑电特征，以进行基于想象语音的脑电信号分类。据我们所知，这项研究是首次尝试使用公开语音的脑电特征通过自动编码器解码基于想象语音的脑电信号。共有 8 名受试者参加了实验。在分类四个单词时，DAL 的平均准确率为 48.41%。此外，当比较有无公开语音脑电特征的性能时，加入公开语音脑电特征后性能提高了 7.42%。因此，我们证明了公开语音脑电特征可以提高想象语音的解码性能。

添加pdf代下载 VIP点击下载文件