1. Comparative Study of Band-Power Extraction Techniques for Motor Imagery Classification
- Author
-
Laboratoire Traitement du Signal et de l'Image (LTSI) ; INSERM - Université de Rennes 1, IPARLA (INRIA Bordeaux - Sud-Ouest) ; CNRS - INRIA - Université Sciences et Technologies - Bordeaux I - École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB), Laboratoire Bordelais de Recherche en Informatique (LaBRI) ; CNRS - Université Sciences et Technologies - Bordeaux I - Université Victor Segalen - Bordeaux II - École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB), Brain-Computer Interface Laboratory - Singapore (BCI) ; Institute for Infocomm Research (I2R), VR4I (INRIA - IRISA) ; INRIA - École normale supérieure (ENS) - Cachan - Université de Rennes 1 - Institut National des Sciences Appliquées (INSA) - Rennes, Brodu, Nicolas, Lotte, Fabien, Lécuyer, Anatole, Laboratoire Traitement du Signal et de l'Image (LTSI) ; INSERM - Université de Rennes 1, IPARLA (INRIA Bordeaux - Sud-Ouest) ; CNRS - INRIA - Université Sciences et Technologies - Bordeaux I - École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB), Laboratoire Bordelais de Recherche en Informatique (LaBRI) ; CNRS - Université Sciences et Technologies - Bordeaux I - Université Victor Segalen - Bordeaux II - École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB), Brain-Computer Interface Laboratory - Singapore (BCI) ; Institute for Infocomm Research (I2R), VR4I (INRIA - IRISA) ; INRIA - École normale supérieure (ENS) - Cachan - Université de Rennes 1 - Institut National des Sciences Appliquées (INSA) - Rennes, Brodu, Nicolas, Lotte, Fabien, and Lécuyer, Anatole
- Abstract
International audience, We review different techniques for extracting the power information contained in frequency bands in the context of electroencephalography (EEG) based Brain-Computer Interfaces (BCI). In this domain it is common to apply only one algorithm for extracting the power information. However previous work and our current study confirm that one may indeed expect varying degrees of success by choosing inadequate algorithms for the power extraction. Our results suggest that on average one algorithm seems superior for extracting the power information for Motor Imagery tasks : the application of a Morlet wavelet on the raw EEG signals, with the time-frequency resolution tradeoff selected by cross-validation.