改进CCA脑电带间相关特征

免替代检验降复杂度

针对脑电节律间相位幅值耦合计算代价高的问题，提出基于差分熵特征的典型相关分析提取方法，省去替代数据检验并降低计算复杂度，融合差分熵特征后情绪识别精度显著提升。

Zishan, Wang · Huang, Ruqiang · Yan, Ye · Luo, Zhiguo · Zhao, Shaokai · Wang, Bei · 金晶 · Xie, Liang · Yin, Erwei

Bioengineering 2023

技术优势

免替代检验

直接对差分熵特征做典型相关分析，省去替代数据检验步骤，降低计算复杂度。

准确率提升

将带间相关特征与传统差分熵特征在决策层融合，显著提升 SEED 和本地 CUMULATE 数据集上的情绪识别准确率。

应用场景

• 情绪计算：为情绪识别提供反映节律间相互作用的EEG特征，提升分类准确率。
• 脑机接口：将带间相关特征集成到EEG解码流程，提高情绪相关脑状态识别性能。
• 人机交互：支撑更准确的情绪感知，为自适应人机交互系统提供输入。