A comparative study of different feature extraction methods in SSVEP-based BCI systems
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 813
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0789
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
there are different feature extraction methods in brain-computer interfaces (BCI) based on Steady-State Visually Evoked Potentials (SSVEP) systems. This paper presents a comparison through of five methods for stimulation frequency detection in SSVEP-based BCI systems. The techniques are based on Power Spectrum Density Analysis (PSDA), Fast Fourier Transform (FFT), Hilbert- Huang Transform (HHT), Cross Correlation and Canonical Correlation Analysis (CCA). Results demonstrate that the CCA and FFT can be successfully applied for stimulus frequency detection by considering the highest accuracy and minimum consuming time.
نویسندگان
Najmeh Salmani Bafrouei
Biomedical Engineering Department Semnan University, Semnan, Iran
Ali Maleki
Biomedical Engineering Department Semnan University, Semnan, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :