• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Bioinformatics and Biomedicine >Combining AR filter and sparse Wavelet representation for P300 speller
【24h】

Combining AR filter and sparse Wavelet representation for P300 speller

机译：结合AR滤波器和稀疏小波表示法以实现P300拼写器

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A variety of experimental paradigms have been proposed in the field of Brain-Computer Interface(BCI). Among them, the P300 speller allows participators to input characters to a computer directly from their own brains. Estimating available features of P300 from raw electroencephalogram(EEG) is a key step of implementing P300 speller. In this paper, a novel combination of Autoregressive model and sparse Wavelet representation is proposed to estimate the P300 features in raw EEG acquired from the P300 speller experiments. Instead of superposition, the P300 features are estimated from raw EEG of single trial in this way. By introducing this method to process signals for BCI, the number of repeated trials may be reduced so that the information transfer rate of P300 speller could be remarkably improved. The proposed approach was tested in off-line data. The results show that the number of repeated trials for a wanted character could be reduced to 4 in general when the feature estimation method is used together with the linear discriminant functions.
机译：脑 - 计算机接口（BCI）领域提出了各种实验范式。其中，P300拼写器允许参与者直接从自己的大脑输入计算机。从原始脑电图（EEG）估算P300的可用特征是实现P300拼写器的关键步骤。在本文中，提出了一种新的自回归模型和稀疏小波表示的组合，以估计从P300拼写实验中获取的原始EEG中的P300特征。 P300特征而不是叠加，以这种方式从单次试验的Raw EEG估计。通过引入该方法来处理BCI的信号，可以减少重复试验的数量，从而可以显着提高P300拼写器的信息传输速率。在离线数据中测试了所提出的方法。结果表明，当特征估计方法与线性判别函数一起使用特征估计方法时，所需字符的重复试验的数量可以减少到4。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号