研究背景及主要内容
从脑电信 解码人体手部运动意图对于上肢损伤患者的康复和辅助具有重要的价值。而现有的从脑电信 解码手部运动的研究很少考虑分心的影响。然而，在现实生活中，患者在使用手部运动解码系统时很可能会出现分心的情况。针对这一问题，该研究旨在研究认知分心对运动解码性能的影响。该研究首先提出了一种针对认知分心的面向手部运动方向识别的脑电信 鲁棒解码方法(RM-GNBC)，该方法通过黎曼流形提取具体仿射不变性的特征并使用高斯朴素贝叶斯分类器进行解码。然后，该研究在无认知分心和有认知分心的情况下，分别使用实验采集的脑电信 数据和仿真生成的脑电信 数据，比较三种解码方法(包括该研究提出的基于黎曼流形的高斯朴素贝叶斯方法（RM-GNBC）、切空间线性判别分析(TSLDA)和基线方法（W-PLV）)的解码性能。
图2 仿真条件下解码模型性能随认知分心程度的提升变化情况对比
图4 脑电信 源通道分析
表1 基线方法（W-PLV）在有认知分心和无认知分心条件下的解码性能
表3 基于黎曼流形的高斯朴素贝叶斯方法（RM-GNBC）在有认知分心和无认知分心条件下的解码性能
点个在看祝你开心一整天!
文章知识点与官方知识档案匹配，可进一步学习相关知识OpenCV技能树OpenCV中的深度学习图像分类11545 人正在系统学习中
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！