運動想起型BCIシステムにおける脳波信号の分類における信号分解法の比較

Comparison of signal decomposition methods in classification of EEG signals for motor-imagery BCI system
Jasmin Kevrica, Abdulhamit Subasib
Biomedical Signal Processing and Control, 2017,Volume.31,P.398-406
20171122_tishihara

“この研究では,分類タスクのためのブレインコンピュータインタフェース(BCI)システムにおける脳波(EEG)信号の分解について,3つの一般的な信号処理技術(経験的モード分解,離散ウェーブレット変換,およびウェーブレットパケット分解)を調査した.この目的のために,マルチチャンネル2クラスの運動想起データセットであるデータセットIVaを使用した.雑音除去の目的でマルチスケール主成分分析法を適用した.さらに,特定の機能グループの効果を調べるために,異なる機能セットが形成された.信号分解法のパラメータ選択プロセスも完全に説明された.我々の結果は,ウェーブレットパケット分解サブバンドから抽出されたマルチスケール主成分分析ノンノイズ統計と高次統計フィーチャの組み合わせが,92.8%の最高平均分類精度をもたらしたことを示している.我々の研究は,BCI信号の分類における高次統計と組み合わせた信号分解法の包括的な比較を提供する非常に少数のものの中の一つである.
加えて,Brain Computer Interface Systemsにおける脳波信号の分類作業の改善において,より高い周波数範囲の重要性を強調した.得られた結果は,提案されたモデルが運動想起時の脳波信号の信頼できる分類を得る可能性を有し,したがって車椅子を制御するための実用的なシステムとして使用できることを示している.また,個人が正しい動作を実行すると,適切なフィードバックが配信される現在のリハビリテーションをさらに強化することができます.このようにして,運動リハビリの成果は時間とともに改善されるかもしれない.”