Аннотация
Рассмотрены методы классификации компонента P300 вызванного потенциала головного мозга, применяемые в системах интерфейса мозг-компьютер (ИМК). Проведён сравнительный анализ подходов на основе линейного дискриминантного анализа (LDA), метода опорных векторов (SVM) и ансамблевых методов.
Основные результаты
- Предложен модифицированный алгоритм пространственной фильтрации xDAWN, адаптированный для онлайн-режима
- Достигнута точность классификации 89.3% при времени отклика менее 250 мс
- Показано, что комбинация xDAWN + LDA обеспечивает оптимальный баланс точности и вычислительной сложности
Ключевые выводы
Для практических систем ИМК рекомендуется использование каскадной архитектуры: пространственная фильтрация на первом этапе и линейный классификатор на втором. Это позволяет достичь real-time производительности на встраиваемых платформах.
Цитирование
@article{gusev2017p300,
title={Классификация P300 компонента в задачах интерфейса мозг-компьютер},
author={Гусев, А.С. and Мещеряков, Р.В.},
journal={Вестник МГТУ им. Н.Э. Баумана, серия Приборостроение},
year={2017},
doi={10.18698/0236-3933-2017-1-98-112}
}