XCDC

arxiv：2012.01749v5 [eess.sp] 2021年3月3日

摘要。目标。许多基于脑电图（EEG）的大脑计算机接口（BCI）系统使用大量通道来进行更高的性能，这很耗时，可以为实用应用设置和不便。在不损害绩效的情况下找到最佳的渠道子集是一项必要且具有挑战性的任务。方法。在本文中，我们提出了一个基于互相关的判别标准（XCDC），该标准评估了渠道歧视不同运动成像（MI）任务的心理状态的重要性。通道进行排名和选择。在两个运动图像脑电图数据集上评估XCDC的效率。主要结果。在两个数据集中，与全渠道设置相比，XCDC显着减少了通道的数量，而无需损害分类精度。在相同的准确性约束下，所提出的方法比基于Pearson的相关系数和常见空间模式的现有通道选择方法所需的通道少。XCDC的可视化与神经生理学原理显示出一致的结果。明显的能力。这项工作提出了一个定量标准，用于评估和对MI任务中EEG渠道的重要性进行评估，并提供了一种实用方法，可以在MI BCI系统的校准阶段选择排名的渠道，从而减轻计算复杂性，从而在后续步骤中实现实时和更便捷的BCI，从而使计算复杂性和结合构成的步骤在随后的步骤中。