In recent years, multivariate synchronization index (MSI) algorithm, as a novel frequency detection method, has attracted increasing attentions in the study of brain-computer interfaces (BCIs) based on steady state visual evoked potential (SSVEP). However, MSI algorithm is hard to fully exploit SSVEP-related harmonic components in the electroencephalogram (EEG), which limits the application of MSI algorithm in BCI systems. In this paper, we propose a novel filter bank-driven MSI algorithm (FBMSI) to overcome the limitation and further improve the accuracy of SSVEP recognition. We evaluate the efficacy of the FBMSI method by developing a 6-command SSVEP-NAO robot system with extensive experimental analyses. An offline experimental study is first performed with EEG collected from nine subjects to investigate the effects of varying parameters on the model performance. Offline results show that the proposed method has achieved a stable improvement effect. We further conduct an online experiment with six subjects to assess the efficacy of the developed FBMSI algorithm in a real-time BCI application. The online experimental results show that the FBMSI algorithm yields a promising average accuracy of 83.56% using a data length of even only one second, which was 12.26% higher than the standard MSI algorithm. These extensive experimental results confirmed the effectiveness of the FBMSI algorithm in SSVEP recognition and demonstrated its potential application in the development of improved BCI systems.

中文翻译：

---

用于免训练 SSVEP BCI 的滤波器组驱动的多元同步指数

近年来，多元同步指数（MSI）算法作为一种新颖的频率检测方法，在基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）研究中越来越受到关注。然而，MSI算法难以充分利用脑电图（EEG）中与SSVEP相关的谐波成分，限制了MSI算法在BCI系统中的应用。在本文中，我们提出了一种新颖的滤波器组驱动的 MSI 算法（FBMSI）来克服限制并进一步提高 SSVEP 识别的准确性。我们通过开发具有广泛实验分析的 6 指令 SSVEP-NAO 机器人系统来评估 FBMSI 方法的功效。首先使用从九名受试者收集的 EEG 进行离线实验研究，以研究不同参数对模型性能的影响。离线结果表明，该方法取得了稳定的改进效果。我们进一步对六个主题进行了在线实验，以评估开发的FBMSI算法在实时BCI应用中的功效。在线实验结果表明，FBMSI算法在使用仅一秒的数据长度时产生了令人鼓舞的平均准确率83.56%，比标准MSI算法高出12.26%。这些广泛的实验结果证实了FBMSI算法在SSVEP识别中的有效性，并证明了其在改进BCI系统开发中的潜在应用。离线结果表明，该方法取得了稳定的改进效果。我们进一步对六名受试者进行在线实验，以评估开发的 FBMSI 算法在实时 BCI 应用程序中的功效。在线实验结果表明，FBMSI算法在使用仅一秒的数据长度时产生了令人鼓舞的平均准确率83.56%，比标准MSI算法高出12.26%。这些广泛的实验结果证实了FBMSI算法在SSVEP识别中的有效性，并证明了其在改进BCI系统开发中的潜在应用。离线结果表明，该方法取得了稳定的改进效果。我们进一步对六名受试者进行在线实验，以评估开发的 FBMSI 算法在实时 BCI 应用程序中的功效。在线实验结果表明，FBMSI算法在使用仅一秒的数据长度时产生了令人鼓舞的平均准确率83.56%，比标准MSI算法高出12.26%。这些广泛的实验结果证实了 FBMSI 算法在 SSVEP 识别中的有效性，并证明了其在改进 BCI 系统开发中的潜在应用。在线实验结果表明，FBMSI算法在使用仅一秒的数据长度时产生了令人鼓舞的平均准确率83.56%，比标准MSI算法高出12.26%。这些广泛的实验结果证实了 FBMSI 算法在 SSVEP 识别中的有效性，并证明了其在改进 BCI 系统开发中的潜在应用。在线实验结果表明，FBMSI算法在使用仅一秒的数据长度时产生了令人鼓舞的平均准确率83.56%，比标准MSI算法高出12.26%。这些广泛的实验结果证实了 FBMSI 算法在 SSVEP 识别中的有效性，并证明了其在改进 BCI 系统开发中的潜在应用。