独立式脑-计算机接口信号处理和识别方法研究

目的 为独立式脑-计算机接口(brain computerinterface ,BCI)选择合适的数据预处理、特征提取和模式识别算法,提高系统的识别率。方法 分别使用不同的空间滤波算法、特征提取方法和模式识别算法,对同一组BCI数据进行处理,并对结果加以比较分析。结果 使用空间滤波器small laplacian提高信噪比,AR谱估计提取C3和C4导联特定波段能量作为特征,Bayesian判决进行分类,可以取得较好的识别率。结论 高信噪比以及合适的特征是提高识别率的关键因素。

独立式脑—计算机接口的离线实验及分析

设计两个实验以研究自主运动的事件相关去同步模式的特征。实验一:要求未经训练的被试者在提示出现后开始想像用食指按键的动作,并在1 s后实际按键;实验二:作为参照,要求被试者对提示立即反应,使动作想像的时间尽量缩短。通过分析提示与实际动作之间的自发脑电信号,预测被试者用左手或右手按键。在实验一的连续测试中,预测率随测试进行由85%下降到71%;而实验二的预测率近乎随机猜测。结果表明:(1)运动想像的有效持续时间对事件相关去同步模式有显著影响;(2)被试者有效动作想像时间的不自觉地缩短会导致预测率的明显下降。如何保证被试者的有效动作想像时间是后续实验设计中应该重视的问题。

脑-计算机接口系统中诱发脑电信号的小波分析

针对特定思维诱发脑电信号的特点,提出一种确定其分布情况及提取其波形的方法·首先采用离散小波变换对脑电信号进行分解,然后使用小波奇异点检测和小波统计分析相结合的方法进行特征分析,确定特定思维诱发脑电信号处于小波变换的哪个尺度上,并根据分析结果重构出诱发脑电信号·结果表明,这种方法能够有效地消除脑电信号中的常见噪声,尤其适用于对诱发脑电信号的提取·

基于模拟事件相关电位的脑-计算机接口

文章提出了一种基于模拟阅读事件相关电位的脑-计算机接口(IR-ERP-BCI)。该IR-ERP-BCI使用一个由36个键构成的虚拟键盘。每个键的上半部是代表该键名称的字符,下半部是一个小窗口。运行时,每个窗口中都有两个标记伴随着符号句按一定时间间隔从右向左平移通过。当使用者在辨识出目标键的一对指定标记时,就会产生一对与这对标记锁时的ERP成分。用户的目标键由这对成分的潜伏期以及它们之间的时间间隔来确定。这种IR-ERP-BCI消除了容易使人疲惫的突现刺激,并极大地抑制了ERP中突现刺激诱发的外源性的和内源性的脑噪声,提高了信号的信噪比。试验证明该BCI是可行的和高效的。

基于EEG的康复机器人脑-计算机接口技术研究

脑-计算机接口(brain-computer interface,BCI)是一种新型的人机接口方式,是康复机器人关键技术之一。介绍了基于脑电信号EEG的康复机器人BCI技术,论述BCI系统结构、工作原理以及关键技术。设计了基于事件相关电位P300虚拟矩阵,通过在头皮上放置电极,采集诱发脑电信号,经放大、滤波后,依据独立分量分析(ICA)原理,应用FastICA算法对特征信号进行了提取。从仿真结果可以看出,提取信号能较好地逼近期望信号。通过判断运动或意识的类型与特征信号之间的关系,从而识别出不同的用户意图,为帮助病人建立一种新的通信、交流方式以及康复治疗等方面提供了依据。

脑-计算机接口技术与应用前景

脑-计算机接口(Brain-Computer Interface,BCI)技术是在人脑和计算机或其他电子设备之间建立通信系统,该系统通过记录人的脑电信号来了解人的思维,用思维来控制计算机,操纵设备、智能家居、无人驾驶交通工具等。该技术涉及神经科学、心理认知科学、康复工程、生物医学工程和计算机科学等多种学科。目前,脑-计算机接口系统正在成为研究热点,本文介绍了脑-计算机接口系统的结构、工作原理、存在问题及发展前景。

脑-计算机接口技术在医学领域的应用

介绍脑-计算机接口系统的结构、工作原理,重点阐述该技术在医学领域中的应用,包括癫痫自动检测及分类、康复训练、麻醉深度检测等方面,指出脑-计算机接口技术面临的挑战。

一种基于脑部电磁跟踪的残疾人计算机辅助系统

目的:为了帮助肢体残疾人使用计算机,适应社会生活。方法:开发了一种基于脑部电磁跟踪的残疾人计算机辅助系统。该系统通过三维脑部电磁跟踪,捕捉人脑运动轨迹。结果:实现了高精度、可靠的人-机接口,使肢体残疾人通过训练就可根据脑部的运动使用计算机。结论:本系统较之单纯利用脑电的脑-机接口有更高的识别效率,理论上可基本消除误操作,是一项非常有应用价值和前景的残疾人计算机辅助系统。

基于脑电的脑-机接口系统研究现状

目的:就近年来国内外有关脑-机接口系统的研究近况,探讨脑-机接口系统框架结构及其特征提取和分类算法等方面的研究进展。资料来源:应用计算机检索Medline1996-01/2005-08脑-机接口方面的文献,检索词“brain-computer interface,Rehabilitation”,并限定语言为English;同时检索CNKI-KNS1994-01/2005-08脑-机接口方面的文献,检索词为“信号处理、脑电”,并限定语言为中文。资料选择:对资料进行初审,纳入标准:选取包括脑-机接口、信号处理方面的文献。排除标准:综述文献、重复研究文章。资料提炼:共收集到33篇关于脑-机接口的英文文献,中文文献45篇,总共纳入17篇符合标准的文献。资料综合:脑-机接口技术是在人脑与计算机或其他电子设备之间建立的直接的交流和控制通道,它不依赖于脑的正常输出通路(周神经系外统及肌肉组织),是一种全新的对外信息交流和控制方式。概述脑-机接口国内外最新研究进展,并在此基础上全面介绍了整个脑-机接口系统的结构框架及其研究情况,最后分析了当前脑-机接口存在的主要问题及研究方向。结论:脑-机接口的研究正成为脑科学、康复工程、生物医学工程及人机自动控制研究领域的一个新的前沿热点;整体上讲,脑-机接口系统的研究正处于发展阶段。现有的脑-机接口系统还存在通讯速度低、效果不稳定等技术障碍,特别是信号处理算法的选择与改进等方面有待进一步研究。

直接脑控机器人接口技术

直接脑控机器人接口(Brain-controlled robot interface,BCRI)是一种新型的人-机器人接口技术,是脑-机器接口/脑-计算机接口(Brain-machine interface,BMI/Brain-computer interface,BCI)在机器人控制领域的重要应用和研究方向.研究者相继在Nature、Science和其他重要国际期刊上报道了相关的实验研究和开发,目前已成为国际前沿研究热点.本文主要围绕BCRI中的控制策略、BMI/BCI模块与机器人多层控制模块的适应和融合、BCRI中的脑信号自适应分类算法以及人、BMI/BCI模块和机器人控制系统的三边自适应展开论述,分析了目前的研究情况、存在的局限和面临的若干重要问题,指出进一步的研究思路和方向.

脑-计算机接口技术辅助治疗脑梗死后上肢运动功能障碍

一、病例资料患者，男，32岁，因“右侧肢体活动不利伴言语不清3月余”入住康复科。

直接脑控机器人接口技术

在现代化科学技术发展带动作用下,作为一种新兴的人-机器人接口技术—直接脑控机器人技术成为了当下机器人控制研究领域的重要研究内容之一。文章首先对脑控机器人接口内容进行了详细的论述,并对BCRI关键技术之一进行了分析,已为今后直接脑控机器人接口技术参考使用。

基于小波包变换和聚类分析的脑电信号识别方法

为了实现脑-计算机接口(brain-computer interface,BCI)系统,对大脑C3,C4处采集的二路运动想象脑电信号的特征进行了提取和分类。在分析小波包频带划分特点的基础上,利用小波包能量进行特征提取并使用基于马氏距离的线性判别分析进行了左右手运动想象模式分类,结果表明该方法提取的特征向量较好的反映了运动想象脑电信号的事件相关去同步(eventrelated desynchronization,ERD)和事件相关同步(event-related synchronization,ERS)的变化时程。另外,该方法识别率高,适合脑-计算机接口的应用。

基于多通道脑电特征运动意识任务的分类

提出利用多通道脑电(EEG)相关性信息作为特征,实现对想象左右手运动两种意识任务的分类.分析了两种意识任务下描述多通道EEG相关性的两个参数空间复杂度和有效场强的变化,发现想象任务开始时,对侧脑区空间复杂度增高,有效场强降低,而同侧脑区的变化恰好相反,较好地反映了想象左右手运动时大脑两侧运动皮层状态的不同.将两种特征联合用于分类,得到了满意的结果,从而为脑-计算机接口系统中意识任务的特征提取与分类提供了新思路.

单次运动想象脑电的特征提取和分类

为了实现脑-计算机接口(BCI)系统,对运动想象脑电信号的特征进行了提取和分类.将大脑C3,C4处采集的二路运动想象脑电信号分成4段,分别建立六阶AR参数模型进行功率谱估计,再对每段数据的功率谱求和构造特征矢量,提供给误差反向传播算法进行左右手运动想象脑电模式分类.结果表明,该方法提取的特征向量较好地反应了运动想象脑电信号的事件相关去同步(ERD)和事件相关同步(ERS)的变化时程.另外,该方法识别率高,复杂性低,适合在线脑-计算机接口的应用.

基于小波变换和AR参数模型的脑电信号识别方法

为了实现脑-计算机接口(Brain-computer interface,BCI)系统,对运动脑电信号的特征进行了提取和分类。将多路脑电信号进行CAR(Common average reference)滤波后,利用小波变换和AR参数模型提取特征并使用基于马氏距离的线性判别分析对运动脑电信号进行分类。结果表明,该方法提取的特征向量较好地反应了脑电信号的事件相关去同步(Event-related desynchronization,ERD)和事件相关同步(Event-related synchronization,ERS)的变化时程,为BCI研究中脑电信号的模式识别提供了有效的手段。

脑控双页虚拟键盘的设计与性能分析

目的:高位截瘫患者往往失去了最基本的语言交流功能,为帮助他们实现与外界的交流,利用脑-机接口这种新颖的人-机交互模式构建一种基于“模拟自然阅读”视觉诱发电位的脑控拼写器。方法:使用者通过眼睛盯住计算机屏幕上一个虚拟键盘中的相应按键,选择需要键入的字符,脑-机接口装置通过头皮记录电极检测出使用者的脑电信号,再利用模式识别软件将这个视觉诱发电位从背景信号中提取出来。由于每个按键对应的诱发符号呈现的时间间隔不同,依次相隔100ms,因此,从提取特征信号出现的时刻,就知道用户盯住的是哪个按键。这样就构成了一个拼写装置,从而与他人进行交流。结果:在已有工作的基础上设计了一个改进的双页虚拟键盘,通过设置换页按钮,使单次选择作业的信息量加倍。对其通信速率分析表明,该模式能大幅提高系统的比特率,最高可达160比特/min。结论:采用“模拟自然阅读”视觉诱发电位模式构建脑-机接口(双页虚拟键盘),由于巧妙地将信号特征模式编码为时间间隔,增大了每分钟选择作业的信息量,使通信速率较现有系统更高。

神经接口技术研究进展

神经接口研究是涉及神经生理学、计算科学、微电子技术等学科的交叉科学,在康复工程等领域具有重要研究价值,近年来发展迅猛。本文介绍神经接口系统的概念和研究意义,阐述了输入型(如人工耳蜗、视觉神经假体、触觉刺激器及深部脑刺激器等)与输出型两类神经接口系统应用,介绍了相关的动物实验,并讨论了神经接口技术的发展现状及发展趋势。

基于非线性动力学和GA-MLPNN的ECoG信号分类(英文)

为了对脑-计算机接口(BCI)中不同思维任务下的皮层脑电(ECoG)信号进行分类,提出了基于遗传算法(GA)和多层感知器神经网络(MLPNN)的混合方法.用GA方法优化ECoG通道选择,使得选择通道数最小而分类性能最大.使用误差反馈传播(EBP)算法作为MLPNN的学习机制.实验表明,用排列熵(PE)和Hurst指数刻画ECoG的非线性动力学特征具有较好的计算性能和区分能力,故选择这两个特征量进行通道选择和分类处理.分析结果显示,通过使用选择的15个通道进行分析所得的平均分类率为87%,而使用全部的64个通道的结果仅为79%.