基于异步脑机接口系统的远程低时延控制研究

针对脑机接口目前应用在控制领域存在着自主性较低、实时性较差等问题,展开了基于异步脑机接口系统的远程低时延控制的研究。异步脑机接口系统采用滤波器组典型相关分析算法实现特征识别,并通过检测连续滑动窗口阈值实现状态识别;在此基础上,搭建两级C/S架构解耦原始系统,通过分析传统控制流程存在的时间和性能损耗,设计了基于半同步半异步线程池的新型控制系统架构。通过自研移动采样机器人进行了实验验证,实验结果表明,该系统具备可远程、低时延、高稳定性和高识别率的特点。

异步脑—机接口的空闲状态检测新方法

提出一种新的空闲状态检测方法,以训练集中各类运动想象样本的类内散度和正确检测率为指标,结合接收机曲线确定分类阈值,设计最佳三分类器,并采用模糊化技术对预测标签进行处理。将该方法应用于2005年BCI竞赛数据IVc,测试的均方误差为0.278 7。实验结果验证了该方法的有效性。

基于极限学习机的“模拟阅读”脑-机接口异步化研究

"模拟阅读"脑-机接口工作在同步状态,而异步脑-机接口能够让使用者自主控制系统,更具实用价值。为了实现异步化,需要对工作状态与空闲状态有效识别。论文利用基于典型的单隐含层前馈神经网络的极限学习机分类方法,讨论了在"模拟阅读"模式下工作状态的特征选择及模式分类。将靶刺激或非靶刺激作为工作状态特征,与闭眼、自由思想、文本阅读等三种空闲状态及其混合形式进行分类。结果表明,以靶刺激时间段作为工作状态特征能够有效地与空闲状态进行区分,而以非靶刺激时间段作为特征则不能有效区分;三种空闲状态的混合形式作为空闲状态有着稳定的识别正确率,表现出良好的普适性。

基于异步稳态视觉诱发电位的脑机融合“第三只手”

基于稳态视觉诱发电位(SSVEP)的脑机接口(BCI)在智能机器人领域的应用备受关注。传统基于SSVEP的BCI系统多采用同步触发方式,没有识别用户是处于控制态还是非控制态,导致系统缺乏自主控制能力。为此,本文提出了一种SSVEP异步状态识别方法,通过融合脑电信号(EEG)的多种时频域特征,结合线性判别分类器构建了异步状态识别模型,提高SSVEP异步状态识别准确率。进一步,针对残障人群在多任务场景下的控制需求,搭建了一种基于SSVEP-BCI异步协同控制的脑机融合系统,实现在复杂场景下可穿戴机械手与机械臂即“第三只手”的协同控制。实验结果表明,运用本文所提出的SSVEP异步控制算法和脑机融合系统,可以辅助用户完成多任务协同操作,在线控制实验中用户意图识别的平均准确率为93.0%,为SSVEP异步脑机接口系统的实际应用提供了理论和实践依据。

基于近似熵与CSP的异步BCI空闲状态检测方法

针对异步脑机接口(BCI)中空闲状态难以检测的问题,提出将近似熵与公共空间模式(CSP)综合的方法来处理.在采用二级分类策略的前提下,通过近似熵与CSP方法分别从时间复杂度和空间模式上提取不同类型的脑电特征,利用这些特征训练出不同的分类器,然后使用多分类器投票的方法将它们综合以提高判断空闲状态的正确率.将本文的方法运用到BCI竞赛数据中,得到最终具体想象任务的命中率(TPR)普遍比通过阈值法得到的结果要高.数据处理的结果说明了本文方法对空闲状态检测的有效性.

一种运动想象异步BCI的空闲状态检测方法

提出一种利用特殊运动想象训练样本与有限的空闲状态训练样本进行训练的方法,采用公共空间频率模式算法与功率谱密度算法分别提取样本的空域与频域上的特征.利用贝叶斯线性判别方法进行分类,设计出一种适用于异步脑-机接口(BCI)的具有两级分类结构的分类器.实验结果表明:该方法对包含空闲状态的脑电信号具有较好的分类效果;在利用较少电极的情况下,测试集样本的分类结果的正确率和均方误差分别为77.62%和0.495.