This article addresses the noise contamination in spatial filtering of brain responses using a novel signaling game-based approach to the optimal selection of EEG electrodes. The proposed method takes the standard common spatial pattern (CSP) filter as an input and produces an optimal electrode set as output for effective classification of different cognitive tasks. The standard CSP algorithms are highly prone to the inclusion of noise in the EEG data and may select noisy electrodes/signal sources that are redundant for a specific cognitive task which, in turn, may lead to a lower classification accuracy. A lot of literature exists in this area of research, most of which deals with adding the regularization term in the standard CSP algorithm. However, all of these methods lack capturing the uncertainty present in the EEG responses due to intrasession and intersession variations of subjective brain response. The novelty of this article lies in designing the fuzzy signaling game-based approach for optimal electrode selection using an interval type-2 fuzzy set, which can capture both the intrasession and intersession variability of EEG responses acquired from a subject’s scalp. Experiments are undertaken over a wide variety of possible cognitive task classification problems which reveal that the proposed method yields superior results in electrode selection with respect to classification accuracy. Statistical tests undertaken using the Friedman test also confirm the superiority of the proposed method over its competitors.

中文翻译：

---

基于区间类型2模糊逻辑半分离信号博弈的脑电电极优化选择

本文使用一种新的基于信号游戏的方法来优化选择 EEG 电极，从而解决大脑反应空间过滤中的噪声污染问题。所提出的方法以标准公共空间模式（CSP）滤波器为输入，并产生最佳电极集作为输出，以有效分类不同的认知任务。标准的 CSP 算法很容易在 EEG 数据中包含噪声，并且可能会选择对特定认知任务冗余的噪声电极/信号源，这反过来可能导致较低的分类准确度。该研究领域存在大量文献，其中大部分涉及在标准 CSP 算法中添加正则化项。然而，由于主观大脑反应的会话内和会话间变化，所有这些方法都缺乏捕捉 EEG 响应中存在的不确定性。本文的新颖之处在于使用间隔类型 2 模糊集设计基于模糊信号游戏的最佳电极选择方法，该方法可以捕获从受试者头皮获得的 EEG 响应的会话内和会话间变异性。对各种可能的认知任务分类问题进行了实验，结果表明所提出的方法在电极选择方面在分类精度方面产生了优异的结果。使用弗里德曼测试进行的统计测试也证实了所提出的方法优于其竞争对手。本文的新颖之处在于使用间隔类型 2 模糊集设计基于模糊信号游戏的最佳电极选择方法，该方法可以捕获从受试者头皮获得的 EEG 响应的会话内和会话间变异性。对各种可能的认知任务分类问题进行了实验，结果表明所提出的方法在电极选择方面在分类精度方面产生了优异的结果。使用弗里德曼测试进行的统计测试也证实了所提出的方法优于其竞争对手。本文的新颖之处在于使用间隔类型 2 模糊集设计基于模糊信号游戏的最佳电极选择方法，该方法可以捕获从受试者头皮获得的 EEG 响应的会话内和会话间变异性。对各种可能的认知任务分类问题进行了实验，结果表明所提出的方法在电极选择方面在分类精度方面产生了优异的结果。使用弗里德曼测试进行的统计测试也证实了所提出的方法优于其竞争对手。它可以捕获从受试者头皮获得的 EEG 响应的会话内和会话间变异性。对各种可能的认知任务分类问题进行了实验，结果表明所提出的方法在电极选择方面在分类精度方面产生了优异的结果。使用弗里德曼测试进行的统计测试也证实了所提出的方法优于其竞争对手。它可以捕获从受试者头皮获得的 EEG 响应的会话内和会话间变异性。对各种可能的认知任务分类问题进行了实验，结果表明所提出的方法在电极选择方面在分类精度方面产生了优异的结果。使用弗里德曼测试进行的统计测试也证实了所提出的方法优于其竞争对手。