基于欠阻尼二阶随机共振能量传递的高频SSVEP噪声驱动特征增强

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》：Noise-Driven Feature Enhancement of High-Frequency SSVEP through Underdamped Second-order Stochastic Resonance Energy Transfer

　　

摘要：

利用高频稳态视觉诱发电位（SSVEP）的脑机接口系统能够提升用户使用舒适度，但其信号存在较大的幅度衰减问题，这给精确检测带来了挑战。为解决这一问题，我们提出了一种新的弱特征增强框架FBUSSR-CCA，该框架将单稳态（单井）欠阻尼二阶随机共振模型集成到滤波器组处理流程中。该模型能够巧妙地将噪声能量转化为非线性信号，从而放大微弱的高频目标成分。我们在两个公开的高频SSVEP数据集上进行了验证，这些数据集的刺激频率分别为40-43Hz和40-41.5Hz。所提出的FBUSSR-CCA与六种基准方法进行了比较，其中包括性能最佳的FBCCA。实验结果表明，在三种测试条件下，该框架均展现出更优异的性能：平均准确率和ITR分别达到了83.61 ± 13.16% / 17.92 ± 7.81比特/分钟、98.89 ± 2.17% / 28.77 ± 2.30比特/分钟以及70.27 ± 19.02% / 11.88 ± 8.62比特/分钟。进一步分析表明，该USSR模块是一种通用工具，能够提升所有六种方法的性能，且对各种扰动具有参数上的稳定性。这些研究结果说明，单稳态USSR框架是增强高频SSVEP信号的可靠方案，有助于打造更加舒适高效的脑机接口系统。