基于脑电的脑-机接口:关键技术和应用前景

被引：42

作者：

尧德中 ^{[1
,2
]}

刘铁军 ^{[1
,2
]}

雷旭 ^{[1
,2
]}

杨平 ^{[1
,2
]}

徐鹏 ^{[1
,2
]}

张杨松 ^{[1
,2
]}

机构：

[1] 神经信息教育部重点实验室

[2] 电子科技大学生命科学与技术学院

来源：

电子科技大学学报 | 2009年 / 05期

关键词：

脑机接口; 脑电; 特征提取; 在线系统; 模式识别;

D O I：

暂无

中图分类号：

R318 [生物医学工程];

学科分类号：

0831 ;

摘要：

介绍了运动想像脑-机接口技术中的几项核心技术,即在信息特征提取阶段采用的共空间模式和判决空间模式滤波方法、在模式识别阶段采用的大概率测试样本扩充训练集合的贝叶斯线性判决分析方法、直推式支持向量机方法、基于流形学习的拉普拉斯支持向量机方法和基于分层贝叶斯模型的方法。介绍了在线系统设计中的放大器设计和空闲态检测,展望了未来的发展方向。

引用

页码：550 / 554

页数：5

共 14 条

[1] 支持向量机后验概率方法在多任务脑机接口中的应用 [J].

杨平 ;

刘铁军 ;

尧德中 .

中国生物医学工程学报, 2009, 28 (02) :171-176

[2] An Algorithm for Idle-State Detection and Continuous Classifier Design in Motor-Imagery-Based BCI [J].

Yu Huang .

Journal of Electronic Science and Technology, 2009, 7 (01) :27-33

[3] Real-Time Brain-Computer Interface System Based on Motor Imagery [J].

Tie-Jun Liu .

Journal of Electronic Science and Technology, 2009, 7 (01) :3-6

[4] Common Spatial Pattern Ensemble Classifier and Its Application in Brain-Computer Interface [J].

Xu Lei .

Journal of Electronic Science and Technology, 2009, 7 (01) :17-21

[5]

Guest Editorial Brain-Computer Interface:Today and Tomorrow[J]. De-Zhong Yao is with the Key Laboratory for NeuroInformation of Ministry of Education,School of Life Science and Technology of China,University of Electronic Science and Technology of China,Chengdu,610054,China..Journal of Electronic Science and Technology of China. 2009(01)

[6] Semi-Supervised Learning Based on Manifold in BCI [J].