A Comparison Study of Canonical Correlation Analysis Based Methods for Detecting Steady-State Visual Evoked Potentials

译：基于典型相关性分析的稳态视觉诱发电位检测方法的比较研究

原文：A Comparison Study of Canonical Correlation Analysis Based Methods for Detecting Steady-State Visual Evoked Potentials
数据来源：ftp://sccn.ucsd.edu/pub/cca_ssvep

摘要

  典型相关性分析（CCA）已被广泛用于检测脑 - 计算机接口（BCI）中的稳态视觉诱发电位（SSVEP）。标准CCA方法使用正弦信号作为参考信号，首次提出用于SSVEP检测而无需校准。然而，来自自发EEG活动的干扰会使检测性能恶化。最近，已经开发了各种扩展方法以将个体EEG校准数据结合到CCA中以改善检测性能。虽然扩展的CCA方法的优点已在不同的研究中得到证实，但仍缺少这些方法之间的综合比较。该研究使用在模拟在线BCI实验中从10名受试者记录的12类SSVEP数据集对现有的基于CCA的SSVEP检测方法进行了比较。分类准确度和信息传递率（ITR）用于性能评估。结果表明，个别校准数据可以显着提高检测性能。此外，结果表明，基于标准CCA和基于个人模板的CCA（IT-CCA）的组合方法实现了最高性能。