Nova Acta Leopoldina Band 110 Nummer 377

kurz auf die zwei am weitesten verbreiteten Techniken zur Filterung und Klassifikation von EEG eingehen: CSP und regularisierte lineare Diskriminanzanalyse. Nichtlineare Methoden wie Support-Vektor-Maschinen, Boosting usw. (MÜLLER et al. 2001) liegen außerhalb des Fokus dieser Arbeit (siehe auch die Diskussion in MÜLLER et al. 2003). 3.1 Der Common-Spatial-Pattern-Ansatz Die CSP-Technik (vgl. BLANKERTZ et al. 2008a) erlaubt es, räumliche Filter zu bestimmen, die die Varianz einer Signalquelle in einer ersten Bedingung (z. B. Imagination der rechten Hand) maximieren und gleichzeitig die Varianz in einer zweite Bedingung (z. B. Imagination der linken Hand) minimieren. (Vgl.: Clip auf DVD → MÜLLER et al. → Common-Spatial- Pattern-Ansatz.) Da die Varianz von Bandpass-gefilterten Signalen der Bandenergie entspricht, eignen sich CSP-Filter gut, um Amplitudenmodulationen in SMRs zu detektieren und damit mentale Zustände zu unterscheiden, die sich durch ERD/ERS-Effekte charakterisieren lassen. CSP- Algorithmen werden mit großem Erfolg für BCI eingesetzt, wobei die CSP-Filter individuell an die Kalibrationsdaten eines Benutzers anzupassen sind. Die CSP-Technik zerlegt ein Mul- tikanal-EEG-Signal im Sensorraum in neue virtuelle Kanäle, wobei jeder Kanal von einem CSP-Filter repräsentiert wird. Die Anzahl der Filter entspricht der Anzahl der Kanäle der Originaldaten, jedoch tragen nur wenige CSP-Filter auch wirklich zur Klassifikation bei. Die diskriminative Qualität eines CSP-Filters ist durch seinen verallgemeinerten Eigenwert gekennzeichnet, welcher relativ zur Summe der Varianzen in beiden Bedingungen zu be- werten ist. Ein Eigenwert von 0,9 in Bedingung 1 entspricht also einem mittleren Verhältnis der Varianzen von Bedingung 1 und 2 von 9:1. Abbildung 5 illustriert das Filtern mittels CSP. Abb. 5 Die Eingaben für die CSP-Analyse sind Bandpass-gefilterte Multikanal-EEG-Signale, die in zwei Bedingun- gen aufgenommen wurden (hier: linke und rechte Motorimagination). Das Resultat der CSP-Berechnung ist eine Folge räumlicher Filter. Wenn diese Filter auf kontinuierliches EEG angewandt werden, dann ist die mittlere relative Varianz in den beiden Bedingungen durch die Eigenwerte gegeben. Ein Eigenwert nahe 1 führt zu großer Varianz und ein Eigenwert nahe 0 zu kleiner Varianz in Bedingung 1. Die meisten Eigenwerte liegen nahe bei 0,5, so dass die entsprechenden CSP-Filter keine diskriminierende Wirkung zeigen und folglich zur Klassifikation nicht verwendet werden können. Forschen an einer neuen Schnittstelle zum Gehirn: Das Berliner Brain-Computer-Interface Nova Acta Leopoldina NF 110, Nr. 377, 235–257 (2011) 243