基于非侵入式多模态BCI的情绪识别与情感分析

摘要

为提高EEG识别准确率和控制可靠性，本文以非侵入式多模态脑机接口（BCI）系统进行分析，以浅层CNN对运动想象EEG进行分类，同时，提出了一种基于召回率选择控制指令刺激频率的新型策略，以结合MI和SSVEP实现稳定的输出。通过研究发现，浅层CNN可有效提高EEG识别准确率，新型控制策略降低了用户的疲劳阈值，使得多模态BCI信号能够实现更稳定的输出。这些方法在情绪识别、情感分析、康复和虚拟现实领域具有广泛的应用前景，为非侵入式BCI系统的进一步发展提供了新的思路和方法。

关键词

非侵入式多模态BCI系统 / 浅层卷积神经网络 / EEG分类 / 召回率选择控制