Spatial Filter for Short Period Code Modulation Visual Evoked Potentials in Brain Computer Interfaces

Q: 이 논문에서 정의한 상관 함수 상관(CCF) 공간 필터란 무엇인가?

상관 함수 상관(CCF) 공간 필터는 이상적인 신호와 관측된 신호의 상관 함수 간의 상관관계를 최대화하는 방법이다. 이는 필터링된 EEG 신호의 상관 함수와 PN-시퀀스의 상관 함수 사이의 상관관계를 최대화하여 가중치를 결정한다. 이 필터는 특히 짧은 코드 cVEP-BCI에서 기존 CCA 필터보다 우수한 성능을 보인다.

Q: 짧은 주기 코드 변조 시각 유발 전위 BCI의 성능을 향상시키는 핵심 요인은 무엇인가?

연구 결과, 짧은 주기 코드 변조 시각 유발 전위 BCI에서는 기존 CCA 필터가 측정 지연에 민감하여 성능이 저하될 수 있다. 따라서, 제안된 상관 함수 상관(CCF) 공간 필터는 필터링된 EEG 신호와 PN-시퀀스의 상관 함수 간의 상관관계를 최대화하여 기존 방법보다 높은 정확도와 정보 전송률을 달성한다.

Jun-ichi Sato; Yoshikazu Washizawa

학술대회자료

저자정보: Jun-ichi Sato (The University of Electro-Communications) Yoshikazu Washizawa (The University of Electro-Communications)

저널정보: 대한전자공학회 ITC-CSCC :International Technical Conference on Circuits Systems, Computers and Communications ITC-CSCC 2015

오류 신고하기

피인용 0

검색

초록·키워드

Code modulation visual evoked potential brain computer interfaces (cVEP-BCIs) using pseudo-code modulated stimuli have been proposed and exhibited high information transfer rate. Canonical correlation analysis (CCA) is often used for a spatial filter of cVEP-BCI. However, for shorter code cVEPs, CCA is sensitive to the delay of measuring. In this study, we propose a spatial filter using a correlation between the code correlation function and a correlation function of the filtered EEG signal. Experimental results demonstrate the performance of the proposed method.

#Brain computer interfaces #Code modulation #Spatial filter

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2016-569-001695406

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료