Imagined Speech基于EEG的音节分类实现

CS229机器学习项目——秋季2014-15：使用脑电图（EEG）对想象语音中的音节进行分类预测。想象语音指的是受试者在不移动任何肌肉或发声的情况下，想象自己说出给定的单词的过程。对想象语音的理解将从根本上改变我们与设备交互的方式。本研究通过分析EEG信号，对受试者想象的四个特定音节——“ba”、“ku”、“im”和“si”进行分类。这些音节之所以被选中，是因为它们不包含语义含义，便于从EEG信号中分离想象语音的信号模式，去除语义影响。实验结果显示，我们的模型在音节对分类中达到了超过90%的准确率。

数据收集：实验数据集由研究团队在音乐与声学计算机研究中心（CCRMA）通过Takako Fujioka教授的EEG实验室进行数据采集。受试者在根据高音或低音提示音的引导下，分别想象四个音节组合“ba / ku”和“im / si”，并在此过程中记录脑电波活动。