基于多元经验模式分解的 SSVEP 目标识别研究

来源：计算机技术与发展杂志2021年第02期北京时间：

作者：邵星翰;林明星

摘要：在脑-机接口(BCI) 系统中,对稳态视觉诱发电位(SSVEP) 的准确识别在生物医学等领域是至关重要的,而各种伪迹影响了识别准确率。 提出一种基于多元经验模式分解的多元同步指数法(MEMD-MSI) ,首先用白噪声辅助的多元经验模式分解( MEMD) 对原信号进行分解,各通道提取出前 6 个本征模式函数(IMF) 分量,提出通过网格搜索法对 IMF 分量进行加权,从而剔除 EEG 信号中的伪迹,保留脑电信号中的有效信息,6 名受试者的信号数据用来筛选加权系数。 接着用多元同步指数法(MSI)对重构信号进行识别。 另外,选取了 9 名受试者的信号数据,对比了 MEMD-MSI,MSI 及多元经验模态分解典型相关分析(MEMD-CCA)3 种算法在不同时窗的准确性。 结果表明, MEMD-MSI 在三种算法中有着最高的准确率,且在时窗大小为 2s 时,其准确率达到了 95.24% 。 证明该算法有效地剔除了伪迹, 具有高准确率。

关键词：脑-机接口;稳态视觉诱发电位;多元经验模式分解;本征模式函数;多元同步指数