SSVEPformer

新型KDHNet模型通过有限数据增强脑机接口解码能力

研究人员开发了KDHNet，这是一种新颖的混合网络，旨在提高脑机接口（BCI）稳态视觉诱发电位（SSVEP）信号的解码精度。该新模型有效地结合了知识驱动的分析处理和数据驱动的表示学习，解决了可靠SSVEP解码通常需要有限校准数据的挑战。KDHNet集成了级联任务判别成分分析（TDCA）和任务相关成分分析（TRCA）等组件与SSVEPformer解码器，在多个数据集和校准比率下均表现出卓越的性能。