CN110096149B - 基于多频率时序编码的稳态听觉诱发电位脑-机接口方法 - Google Patents
基于多频率时序编码的稳态听觉诱发电位脑-机接口方法 Download PDFInfo
- Publication number
- CN110096149B CN110096149B CN201910331992.9A CN201910331992A CN110096149B CN 110096149 B CN110096149 B CN 110096149B CN 201910331992 A CN201910331992 A CN 201910331992A CN 110096149 B CN110096149 B CN 110096149B
- Authority
- CN
- China
- Prior art keywords
- user
- stimulation
- audio
- vectors
- correlation coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Neurosurgery (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Health & Medical Sciences (AREA)
- Dermatology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
基于多频率时序编码的稳态听觉诱发电位脑‑机接口方法,先在使用者头部安放电极,测得的脑电信号送往计算机;然后分别使用不同的载波频率制作左耳和右耳的音频刺激单元,再用n个调制频率时序组合对音频刺激单元进行调制,形成多频率时序组合编码的音频刺激单元;然后通过耳机分别在使用者左右耳内同时播放音频刺激单元,使用者集中听觉注意力于左右耳音频刺激单元中的一个,计算机同步采集刺激开始与结束标志位,并通过测试电极采集脑电信号,计算出信号与不同刺激目标的相关系数向量,通过线性判别模型判定并通过屏幕和耳机同时指示出目标,再进行下一次目标识别;本发明能够显著增强脑‑机接口编码的特异性,提升现有脑‑机接口的精度和效率。
Description
技术领域
本发明涉及生物医学工程中神经工程及脑-机接口技术领域,具体涉及基于多频率时序编码的稳态听觉诱发电位脑-机接口方法。
背景技术
脑-机接口是人脑-计算机接口的简称,稳态听觉诱发电位信号作为一种重要的信息载体,具有所有使用者无需训练均可诱发响应、不依赖于使用者进行视觉注视的特点,因而在脑-机接口应用中具有非常重要的价值。但稳态听觉诱发电位的诱发强度相对较低,传统的脑-机接口范式所采用的利用单一频率对信号进行编码的方式,其编码的特异性不强,不能充分表征稳态听觉诱发电位中的信息。这导致当前基于稳态听觉诱发电位的脑-机接口正确率较低,限制了其进一步的发展与应用。
相关研究表明,通过引入多个频率对同一目标进行编码,可以提高信号编码的特异性,进而增强从微弱信号中提取信息的能力。在基于稳态听觉诱发电位的脑-机接口中,采用多频率编码方法可以提高编码特异性,从而提高其性能,为当前脑-机接口技术提供了创新发展的思路,目前还没有相关的文献公开。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供基于多频率时序编码的稳态听觉诱发电位脑-机接口方法,提高稳态听觉诱发电位信号编码的特异性,进而提升基于稳态听觉诱发电位的脑-机接口的性能。
为了达到上述目的,本发明采取的技术方案为:
基于多频率时序编码的稳态听觉诱发电位脑-机接口方法,包括以下步骤:
步骤1,在使用者头部听觉颞区安放测量电极,在其单侧耳垂位置处安放参考电极,在其头部前额处安放地电极,电极测得的脑电信号经放大和模数转换后送往计算机;
步骤2,形成左右耳的音频刺激单元:左耳和右耳的音频刺激单元分别采用不同频率的纯音作为载波,每个音频刺激单元被从时间上划分成n段,n为大于1的整数,对每段音频刺激单元分别选取不同调制频率进行幅值调制,每段选取的调制频率不重复,从而形成n的阶乘即n!种调制方案,并从中选择一种调制方案制作音频刺激单元,将左右耳音频刺激单元分别同时呈现在使用者的左耳和右耳内,耳机音量被调节到舒适的水平;
步骤3,使用者集中听觉注意力于左右耳两个音频刺激单元中的任意一个,使用者注意听辨的音频刺激单元称为目标,而另一侧的音频刺激单元称为非目标;
计算机同步采集刺激开始与结束标志位,并通过测试电极采集脑电信号,使用典型相关分析(CCA)算法计算出脑电信号与调制频率的相关系数,具体包含以下操作:
首先,对脑电信号作滤波和陷波处理;其次,获得脑电数据中依照刺激起始标志位和结束标志位进行截断的数据段;最后,将数据段送入典型相关分析(CCA)算法中,将脑电数据分别与利用左、右耳调制频率制作的模板进行比较,得到脑电数据与左耳每段调制频率的相关系数ρ1,ρ3,…,ρ2n-1,及脑电数据与右耳每段调制频率的相关系数ρ2,ρ4,…,ρ2n,其中n为大于1的整数,表示刺激频率的个数;将2n个相关系数按下标顺序组成相关系数向量ρtotal=[ρ1,ρ2,ρ3,ρ4,…,ρ2n]T;
步骤4,离线分析:重复步骤3若干次,得到一组相关系数向量,并根据与其对应的目标将其分成左耳相关系数向量和右耳相关系数向量;将每次使用者所选择的目标作为标签,和对应的相关系数向量ρtotal一起送入线性判别分析(LDA)模型中进行训练,得到线性判别模型;
步骤5,在线判别:继续实施步骤3,将步骤3中得到的相关系数向量ρtotal送入步骤4得到的线性判别模型中进行分类,得到使用者听辨的目标;
步骤6,计算机通过耳机播放音频“左耳”或者“右耳”,同时通过屏幕显示“左耳”或者“右耳”,指示出使用者所听辨的目标,实现对使用者的听觉反馈和视觉反馈;
步骤7,计算机完成目标识别后,返回步骤5,重复步骤5与步骤6,进行下一次目标识别任务。
所述的步骤4中训练方法为:将每次使用者所选择的目标作为标签,和对应的相关系数向量ρtotal一起送入线性判别分析(LDA)模型中进行训练,找到一个最佳的投影方向w,使得将相关系数向量投影到一条直线上之后,两类向量各自的类内方差最小,两类向量均值之间的欧氏距离最大,保存这一投影方向w以及两类向量投影后的均值μL、μR,得到线性判别模型。
所述的步骤5的具体方法为:利用步骤4中得到的投影方向w,通过计算wT与ρtotal的内积,得到投影后的数值s,比较s与两类向量投影后的均值μL、μR的距离,将其距离最近的一类向量所属的音频刺激单元判定为使用者听辨的目标。
本发明的有益效果为:
本发明针对稳态听觉诱发电位信号微弱、辨识困难,造成基于稳态听觉诱发电位的脑-机接口识别正确率低的问题,提出了基于多频率时序编码的稳态听觉诱发电位脑-机接口方法。基于稳态听觉诱发电位的脑-机接口具有不需要训练、不依赖于视觉注视的优点,是脑-机接口的一种重要形式。但稳态听觉诱发电位相对微弱,基于单一频率编码的范式辨识目标困难,正确率低。本发明是多频率编码技术在脑-机接口中的创新应用,通过采取多种编码频率时序组合编码同一目标的方法,实现了稳态听觉诱发电位编码特异性的有效增强,提高了听觉目标的可辨识性,为实现高性能脑-机接口技术的实用化开辟了新的思路,显示了如下优点:
(1)相比于传统的脑-机交互方式,本发明首次将多频率编码方式引入基于稳态听觉诱发电位的脑-机接口应用实施中,增强了编码的特异性,提升了脑-机接口的性能;
(2)通过典型相关分析(CCA)算法提取特征和线性判别模型(LDA)进行分类,提高了分类的精度。
附图说明
图1为本发明脑电电极位置及方法流程图。
图2为本发明实施例音频刺激单元范式图。
图3为本发明实施例多频率时序编码的脑-机接口范式图。
图4为本发明典型相关分析(CCA)算法的流程图。
图5为本发明实施例脑-机接口在线性能图,纵坐标代表平均正确率,横坐标为该正确率下不同次实验,图5(a)为使用者S1操作脑-机接口时的在线性能图;图5(b)为使用者S2操作脑-机接口时的在线性能图;图5(c)为使用者S3操作脑-机接口时的在线性能图;图5(d)为使用者S4操作脑-机接口时的在线性能图。
图6为本发明实施例左右耳正确率差值图,图6(a)为使用者前、后两段单一频率编码时和整体多频率编码方法的正确率对比图;图6(b)为使用者在前、后两段单一频率编码和整体多频率编码方法下,左耳正确率和右耳正确率的差值图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
参照图1,基于多频率编码听觉感知的稳态诱发电位脑-机接口方法,包含以下步骤:
步骤1,在使用者头部听觉颞区T7、T8、P7、P8、TP7、TP8位置安放测量电极,在其单侧耳垂位置A1或A2处安放参考电极,在其头部前额处Fpz位置安放地电极,电极测得的脑电信号经放大和模数转换后送往计算机;
步骤2,参照图2和图3,形成左右耳的音频刺激单元:左耳和右耳的音频刺激单元分别采用不同频率的纯音作为载波以增加彼此之间的区分度,每个音频刺激单元被从时间上划分成n段,n为大于1的整数,对每段音频刺激单元分别选取不同调制频率进行幅值调制,每段选取的调制频率不重复,从而形成n的阶乘(即n!)种调制方案,并从中选择一种调制方案制作音频刺激单元,将左右耳音频刺激单元分别同时呈现在使用者的左耳和右耳内,耳机音量被调节到舒适的水平;
步骤3,使用者集中听觉注意力于左右耳两个音频刺激单元中的任意一个,使用者注意听辨的音频刺激单元称为目标,而另一侧的音频刺激单元称为非目标;
参照图4,计算机同步采集刺激开始与结束标志位,并通过测试电极采集脑电信号,使用典型相关分析(CCA)算法计算出脑电信号与调制频率的相关系数,具体包含以下操作:首先,对脑电信号作带通滤波处理,消除基线漂移及其他噪声干扰,并对脑电信号作48~52Hz陷波处理,消除50Hz市电干扰;其次,获得脑电数据中依照刺激起始标志位和结束标志位进行截断的数据段;最后,将数据段送入典型相关分析(CCA)算法中,将脑电数据分别与利用左、右耳调制频率制作的模板进行比较,得到脑电数据与左耳每段调制频率的相关系数ρ1,ρ3,…,ρ2n-1,及脑电数据与右耳每段调制频率的相关系数ρ2,ρ4,…,ρ2n,其中n为大于1的整数,表示刺激频率的个数;将2n个相关系数按下标顺序组成相关系数向量ρtotal=[ρ1,ρ2,ρ3,ρ4,…,ρ2n]T;
步骤4,离线分析:重复步骤3若干次,结合每一次使用者选择的具体目标,得到一组相关系数向量,并根据与其对应的目标将其分成左耳相关系数向量和右耳相关系数向量这两类向量;将每次使用者所选择的目标作为标签,和对应的相关系数向量ρtotal一起送入线性判别分析(LDA)模型中进行训练,找到一个最佳的投影方向w,使得将相关系数向量投影到一条直线上之后,两类向量各自的类内方差最小,两类向量均值之间的欧氏距离最大,保存这一投影方向w以及两类向量投影后的均值μL、μR,得到线性判别模型;
步骤5,在线判别:继续实施步骤3,将步骤3中得到的相关系数向量ρtotal送入步骤4得到的线性判别模型中进行分类,利用步骤4中得到的投影方向w,通过计算wT与ρtotal的内积,得到投影后的数值s,比较s与两类向量投影后的均值μL、μR的距离,将其距离最近的一类向量所属的音频刺激单元判定为使用者听辨的目标;
步骤6,计算机通过耳机播放音频“左耳”或者“右耳”,同时通过屏幕显示“左耳”或者“右耳”,指示出使用者所听辨的目标,实现对使用者的听觉反馈和视觉反馈;
步骤7,计算机完成目标识别后,返回步骤5,重复步骤5-步骤6,进行下一次目标识别任务。
下面再结合实施例对本发明进行说明。
采用本发明方法对四名使用者(S1~S4)进行了实验,实验过程中同步记录并实时显示脑电信号,以便在实验中检查使用者状态,防止使用者产生眨眼、体动等动作,保证脑电信号的数据质量。按照上述步骤1对使用者安放电极,按照上述步骤2形成左耳与右耳的音频刺激单元,其中n=2,单次实验时长持续6秒,左耳音频刺激单元的载波频率为2.6kHz,左耳前、后两段音频刺激的调制频率分别为4Hz和13Hz;右耳音频刺激单元的载波频率为540Hz,右耳前、后两段音频刺激的调制频率分别为5Hz和9Hz;实验中将耳机音量调节至舒适水平;按照上述步骤3至步骤4训练线性判别模型(LDA),每名使用者对每个音频刺激单元均进行10组实验,每组包含5次实验,两次实验之间的时间间隔为2秒;按照上述步骤5进行在线分析实验,对每个使用者左右耳两个音频刺激单元各进行4组共20次实验,两次实验之间的时间间隔为2秒,使用者各次实验的正确率参照图5,图5(a)为使用者S1操作脑-机接口时的在线性能图;图5(b)为使用者S2操作脑-机接口时的在线性能图;图5(c)为使用者S3操作脑-机接口时的在线性能图;图5(d)为使用者S4操作脑-机接口时的在线性能图,从图5可以看出,使用者的平均正确率都达到了70%以上,证明基于多频率时序编码的稳态听觉诱发电位脑-机接口方法具有一定的实用性。使用者前三秒正确率、后三秒正确率和整体六秒正确率参照图6,图6(a)为使用者前三秒正确率、后三秒正确率和整体六秒正确率的对比图,图6(b)为使用者前后三秒内,左耳正确率和右耳正确率的差值,从图6可以看出,和单一频率编码方法相比,基于多频率时序编码的稳态听觉诱发电位脑-机接口方法在有效提高正确率的同时,并未放大双耳正确率的差值,这表明基于多频率时序编码的稳态听觉诱发电位脑-机接口性能的增强是基于多频率时序编码的方法而非增加时间的方式实现的。
Claims (3)
1.基于多频率时序编码的稳态听觉诱发电位脑-机接口方法,其特征在于,包括以下步骤:
步骤1,在使用者头部听觉颞区安放测量电极,在其单侧耳垂位置处安放参考电极,在其头部前额处安放地电极,电极测得的脑电信号经放大和模数转换后送往计算机;
步骤2,形成左右耳的音频刺激单元:左耳和右耳的音频刺激单元分别采用不同频率的纯音作为载波,每个音频刺激单元被从时间上划分成n段,n为大于1的整数,对每段音频刺激单元分别选取不同调制频率进行幅值调制,每段选取的调制频率不重复,从而形成n的阶乘即n!种调制方案,并从中选择一种调制方案制作音频刺激单元,将左右耳音频刺激单元分别同时呈现在使用者的左耳和右耳内,耳机音量被调节到舒适的水平;
步骤3,使用者集中听觉注意力于左右耳两个音频刺激单元中的任意一个,使用者注意听辨的音频刺激单元称为目标,而另一侧的音频刺激单元称为非目标;
计算机同步采集刺激开始与结束标志位,并通过测试电极采集脑电信号,使用典型相关分析CCA算法计算出脑电信号与调制频率的相关系数,具体包含以下操作:
首先,对脑电信号作滤波和陷波处理;其次,获得脑电数据中依照刺激起始标志位和结束标志位进行截断的数据段;最后,将数据段送入典型相关分析CCA算法中,将脑电数据分别与利用左、右耳调制频率制作的模板进行比较,得到脑电数据与左耳每段调制频率的相关系数ρ1,ρ3,…,ρ2n-1,及脑电数据与右耳每段调制频率的相关系数ρ2,ρ4,…,ρ2n,其中n为大于1的整数,表示刺激频率的个数;将2n个相关系数按下标顺序组成相关系数向量ρtotal=[ρ1,ρ2,ρ3,ρ4,…,ρ2n]T;
步骤4,离线分析:重复步骤3若干次,得到一组相关系数向量,并根据与其对应的目标将其分成左耳相关系数向量和右耳相关系数向量;将每次使用者所选择的目标作为标签,和对应的相关系数向量ρtotal一起送入线性判别分析LDA模型中进行训练,得到线性判别模型;
步骤5,在线判别:继续实施步骤3,将步骤3中得到的相关系数向量ρtotal送入步骤4得到的线性判别模型中进行分类,得到使用者听辨的目标;
步骤6,计算机通过耳机播放音频“左耳”或者“右耳”,同时通过屏幕显示“左耳”或者“右耳”,指示出使用者所听辨的目标,实现对使用者的听觉反馈和视觉反馈;
步骤7,计算机完成目标识别后,返回步骤5,重复步骤5与步骤6,进行下一次目标识别任务。
2.根据权利要求1所述的基于多频率时序编码的稳态听觉诱发电位脑-机接口方法,其特征在于,所述的步骤4中训练方法为:将每次使用者所选择的目标作为标签,和对应的相关系数向量ρtotal一起送入线性判别分析LDA模型中进行训练,找到一个最佳的投影方向w,使得将相关系数向量投影到一条直线上之后,两类向量各自的类内方差最小,两类向量均值之间的欧氏距离最大,保存这一投影方向w以及两类向量投影后的均值μL、μR,得到线性判别模型。
3.根据权利要求1所述的基于多频率时序编码的稳态听觉诱发电位脑-机接口方法,其特征在于,所述的步骤5的具体方法为:利用步骤4中得到的投影方向w,通过计算wT与ρtotal的内积,得到投影后的数值s,比较s与两类向量投影后的均值μL、μR的距离,将其距离最近的一类向量所属的音频刺激单元判定为使用者听辨的目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910331992.9A CN110096149B (zh) | 2019-04-24 | 2019-04-24 | 基于多频率时序编码的稳态听觉诱发电位脑-机接口方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910331992.9A CN110096149B (zh) | 2019-04-24 | 2019-04-24 | 基于多频率时序编码的稳态听觉诱发电位脑-机接口方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110096149A CN110096149A (zh) | 2019-08-06 |
CN110096149B true CN110096149B (zh) | 2020-03-31 |
Family
ID=67445660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910331992.9A Active CN110096149B (zh) | 2019-04-24 | 2019-04-24 | 基于多频率时序编码的稳态听觉诱发电位脑-机接口方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110096149B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111227825B (zh) * | 2020-01-14 | 2021-06-08 | 华南理工大学 | 一种基于脑机接口系统辅助评估声源定位的方法 |
CN111259188B (zh) * | 2020-01-19 | 2023-07-25 | 成都潜在人工智能科技有限公司 | 一种基于seq2seq网络的歌词对齐方法及系统 |
CN112711328A (zh) * | 2020-12-04 | 2021-04-27 | 西安交通大学 | 一种基于跨模态随机共振的视听觉诱发脑机接口方法 |
CN114781461B (zh) * | 2022-05-25 | 2022-11-22 | 北京理工大学 | 一种基于听觉脑机接口的目标探测方法与系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101608947A (zh) * | 2008-06-19 | 2009-12-23 | 鸿富锦精密工业(深圳)有限公司 | 声音测试方法 |
CN101887307A (zh) * | 2010-06-03 | 2010-11-17 | 西安交通大学 | 一种多频率时序组合的稳态视觉诱发电位脑-机接口方法 |
CN102708288A (zh) * | 2012-04-28 | 2012-10-03 | 东北大学 | 一种基于脑-机接口的医患交互方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9058473B2 (en) * | 2007-08-29 | 2015-06-16 | International Business Machines Corporation | User authentication via evoked potential in electroencephalographic signals |
CN101571748A (zh) * | 2009-06-04 | 2009-11-04 | 浙江大学 | 一种基于增强现实的脑机交互系统 |
CN102063180B (zh) * | 2010-10-29 | 2012-07-04 | 西安交通大学 | 基于hht高频组合编码稳态视觉诱发电位脑机接口方法 |
CN102866775A (zh) * | 2012-09-04 | 2013-01-09 | 同济大学 | 基于多模式融合的脑机接口控制系统及方法 |
-
2019
- 2019-04-24 CN CN201910331992.9A patent/CN110096149B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101608947A (zh) * | 2008-06-19 | 2009-12-23 | 鸿富锦精密工业(深圳)有限公司 | 声音测试方法 |
CN101887307A (zh) * | 2010-06-03 | 2010-11-17 | 西安交通大学 | 一种多频率时序组合的稳态视觉诱发电位脑-机接口方法 |
CN102708288A (zh) * | 2012-04-28 | 2012-10-03 | 东北大学 | 一种基于脑-机接口的医患交互方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110096149A (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110096149B (zh) | 基于多频率时序编码的稳态听觉诱发电位脑-机接口方法 | |
Miller et al. | Spectrotemporal receptive fields in the lemniscal auditory thalamus and cortex | |
US7317945B2 (en) | Method and system to convey the within-channel fine structure with a cochlear implant | |
Krishnan et al. | Relationship between brainstem, cortical and behavioral measures relevant to pitch salience in humans | |
CN108236464A (zh) | 基于脑电信号的特征提取方法及其检测提取系统 | |
WO2020186651A1 (zh) | 基于脑电意念的智能运动耳机及其实现方法与系统 | |
Doulah et al. | Neuromuscular disease classification based on mel frequency cepstrum of motor unit action potential | |
CN101887307B (zh) | 一种多频率时序组合的稳态视觉诱发电位脑-机接口方法 | |
Biermann et al. | Parallels between timing of onset responses of single neurons in cat and of evoked magnetic fields in human auditory cortex | |
Losorelli et al. | NMED-T: A Tempo-Focused Dataset of Cortical and Behavioral Responses to Naturalistic Music. | |
CN102474696A (zh) | 适于检测脑电波的助听器和用于调适这类助听器的方法 | |
Billings et al. | Clinical use of aided cortical auditory evoked potentials as a measure of physiological detection or physiological discrimination | |
An et al. | Decoding music attention from “eeg headphones”: A user-friendly auditory brain-computer interface | |
Ferracuti et al. | Auditory paradigm for a P300 BCI system using spatial hearing | |
CN109284009A (zh) | 一种提高听觉稳态响应脑-机接口性能的系统及方法 | |
TW201132336A (en) | Electrode simulating method and system thereof | |
Cantisani et al. | MAD-EEG: an EEG dataset for decoding auditory attention to a target instrument in polyphonic music | |
Zuk et al. | Neural coding and perception of auditory motion direction based on interaural time differences | |
Simon et al. | Cortical auditory attention decoding during music and speech listening | |
Anil et al. | A novel steady-state visually evoked potential (ssvep) based brain computer interface paradigm for disabled individuals | |
Narayanan et al. | The effect of miniaturization and galvanic separation of EEG sensor devices in an auditory attention detection task | |
Batra | Responses of neurons in the ventral nucleus of the lateral lemniscus to sinusoidally amplitude modulated tones | |
Etard et al. | Real-time decoding of selective attention from the human auditory brainstem response to continuous speech | |
Kuroda et al. | Discrimination of brief gaps marked by two stimuli: Effects of sound length, repetition, and rhythmic grouping | |
CN112711328A (zh) | 一种基于跨模态随机共振的视听觉诱发脑机接口方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |