联合经验模式分解和混沌理论的稳态视觉诱发电位脑电识别

针对多目标稳态视觉诱发电位(SSVEP)信号识别准确率低、线性识别方法抑制噪声的同时也会抑制信号本身特征等问题,基于经验模式分解对信号的降噪特性、达芬混沌系统对微弱周期信号的敏感性及噪声的免疫特性,提出了一种非线性多目标SSVEP信号识别算法。首先,采用共平均参考算法将多通道SSVEP信号融合成单通道信号,通过傅里叶变换求得SSVEP信号的相位谱,为达芬混沌系统周期策动力添加相位;接着,采用经验模式分解降噪,将获得的第一个本征模函数输入到达芬混沌系统中,利用基于频谱差异的混沌系统状态判别方法,求解各目标的刺激频率幅值;最后,根据最大刺激频率幅值确定刺激目标,实现了对多目标SSVEP信号的识别。研究结果表明:相较于典型相关分析法,所提非线性信号处理方法的平均识别准确率提高了7.3%,平均信息传输速率提高了3.84bit/min。该研究为探究非线性SSVEP信号解码算法提供了新方向。

结合表面肌电与稳态视觉诱发电位的混合脑机接口关键技术研究

脑-机接口技术旨在大脑与外部环境之间建立一种全新的不依赖于外周神经和肌肉的交流与控制通道。基于稳态视觉诱发电位的脑-机接口是目前信息传输率最高的无创脑-机接口范式,但是仍低于传统的交互方式。提出一种结合表面肌电与稳态视觉诱发电位的混合脑-机接口,以进一步提高系统的信息传输率。通过不同频率的高频稳态视觉诱发电位结合sEMG编码,实现二者混合脑-机接口系统。利用典型相关分析方法对SSVEP信号进行频率识别,sEMG的检测则采用频域分析方法。来自8名健康受试者的离线结果表明该系统能够获得84.28%的平均准确率,平均信息传输率为72.63 bits/min。这些结果为结合表面肌电与稳态视觉诱发电位的混合脑-机接口研究奠定了基础。

基于副瓣相消的稳态视觉诱发电位识别

稳态视觉诱发电位(SSVEP)技术是脑机接口的重要部分,当脑电图信号在强干扰与低信噪比环境时识别率较低。针对该问题,文中提出一种基于副瓣相消(SLC)与典型相关分析(CCA)的SSVEP识别方法。首先,利用希尔伯特变换将全部通道的脑电信号转换为解析信号;然后,将枕区的多个通道设为主瓣通道,其他含SSVEP较弱的多个通道设为副瓣通道,利用副瓣相消技术抑制主瓣通道脑电信号的干扰;最后,根据不同刺激图像的闪烁频率构造复数域单频率信号模板,利用CCA求解不同模板的最大典型相关系数,并根据其最大值确定SSVEP的分类结果。实测实验中,分别在环境安静状态与较大外界干扰状态下进行了多次试验,结果表明SLC处理对SSVEP的频谱增益有较大提升,相较于传统CCA方法,分类识别率更高,证明了本文方法的有效性和良好性能。

稳态视觉诱发电位信号的预处理滤波设计及实验评测

为实现低噪声、高质量的脑电信号传输,增强稳态视觉诱发电位(steady-state visual evoked potentials,SSVEP)脑机接口系统的应用能力,本研究设计了一种高效的SSVEP信号预处理滤波方法,用于去除伪迹与信号漂移。首先,本研究基于前期研究的含噪数据,进行了离线分析验证,并使用网格搜索方法,优化各滤波环节中的参数设定;然后,设计了38个刺激目标的拼写器,并纳入20名健康受试者进行在线分析。结果表明,在2、3 s时间窗下,经预处理滤波后的信号分类准确率分别提升了8.88%与6.66%,信息传输速率分别提升了19.59%与10.5%。此外,将受试者分为初试组与经验组,并进行配对单因素方差检验,证实两组准确率具有显著差异(P_(2s_acc)=0.02,P_(3s_acc)=0.028)。本研究的预处理滤波方法可高效去除SSVEP信号在时域与频域中的伪迹与噪声,提高分类识别的准确率,能够对其他范式脑机接口的信号预处理工作提供参考。

基于增强现实的双眼异频编码稳态视觉诱发电位脑-机接口研究

近年来研究者们将基于稳态视觉诱发电位(SSVEP)的脑-机接口(BCI)系统与增强现实(AR)技术相结合,以提升BCI系统的灵活性和便携性,但基于传统SSVEP范式的AR-BCI普遍性能偏低。本研究利用AR设备对双眼分别进行投影的特点设计了一种双眼异频编码SSVEP范式,通过对左、右眼分别进行不同频率的编码提高SSVEP编码的信息量。共采集了14名被试的数据,采用任务相关成分分析(TRCA)算法进行SSVEP识别,对比双眼异频编码和双眼同频编码SSVEP范式在AR环境下的性能,分析两种编码下SSVEP的频域特征、信噪比和功率谱熵。双眼异频编码采用1、2、3 s脑电数据的平均分类正确率分别为90.9%、93.9%和95.0%,双眼同频编码采用1、2、3 s脑电数据的分类正确率分别为81.1%、87.8%和90.2%。当时间长度小于等于1 s时双眼异频编码刺激的分类正确率显著高于双眼同频编码刺激(0.5 s:t(13)=4.562,P<0.01,Cohen′s d=1.219;1 s:t(13)=2.737,P<0.05,Cohen′s d=0.732)。特征分析发现,双眼异频编码SSVEP的信噪比虽然没有优势(t(13)=-1.014,P>0.05,Cohen′s d=-0.271),但其功率谱熵显著高于双眼同频编码(t(13)=-2.968,P<0.05,Cohen′s d=-0.793)。本研究表明,与传统双眼同频编码SSVEP范式相比,采用双眼异频编码能够提高AR-BCI系统的性能。

基于稳态视觉诱发电位的脑机接口设计

为了设计出更适合的脑机接口,本文对基于稳态视觉诱发电位的概念进行了阐释,着重介绍了SSVEP信号原理与基础。对传统的三种刺激方法进行了简述,并最后选用LCD显示器实现简单闪烁刺激进行实验,采用正弦编码的方法对目标方块的灰度值进行调制,最终完成在线SSVEP-BCI系统设计。

稳态视觉诱发电位的脑机接口范式及其信号处理方法研究

在概述国内外稳态视觉诱发电位脑机接口技术研究的基础上,针对传统稳态视觉诱发电位(SSVEP)在脑-机接口(BCI)系统应用中存在的问题,在范式设计方面,分别提出了基于牛顿环、高频组合编码和幅值调制的SSVEP的3种BCI范式。针对脑电信号微弱、辨识困难的问题,提出了基于随机共振机制的稳态运动视觉诱发电位增强方法;针对高频组合编码稳态视觉诱发电位(CCH-SSVEP)新范式响应信号的非平稳、弱信号特征,提出基于改进的希尔伯特黄变换的CCHSSVEP响应信号处理方法,提高了识别率。在系统应用方面,将牛顿环运动刺激范式与运动场景相结合,设计了场景结合导航技术,相对于传统方法,将刺激目标关联具体的物理位置,导航效率显著提升,将运动场景与刺激目标结合的所见即所得的方式提升了用户预选目标效率以及路线规划能力,同时也有利于用户集中注意力,提高脑电信噪比。最终,将该技术成功地应用于残疾轮椅的脑电导航控制中,取得了令人满意的效果。

面向智能轮椅脑机导航的高频组合编码稳态视觉诱发电位技术研究

针对目前基于低频稳态视觉诱发电位的脑-机接口(Steady state visual evoked potential-brain-computer interface,SSVEP-BCI)系统存在目标数目少、刺激时间长、易诱发疲劳和癫痫等不足导致的系统稳定性不高、信息传输率低问题,提出高频组合编码稳态视觉诱发电位(Combination coding-based high-frequency SSVEP,CCH-SSVEP)范式,通过n个稳态高频排列组合实现刺激编码,理论上可呈现nn个刺激目标,解决单频率呈现目标数量受限的问题;同时,针对组合刺激编码产生的变频脑电信号时序特征,提出基于改进的希尔伯特-黄变换(Improved Hilbert-huang transform,IHHT)的变频脑电信号特征提取与局部频谱极值目标识别方法,针对经验模态分解(Empirical mode decomposition,EMD)在变频脑电信号处理应用中的端点和停止准则优用问题,分别对比优选端点切线预测法和固定筛选10次停止准则,提出广义过零点(Generalized zero-crossing,GZC)算法计算瞬时频率,并在应用中通过差异化组合优化选择频率刺激编码,最终提高了目标信号的辨识效率,从而提升CCH-SSVEP的通讯传输速率和可靠性;再利用高频SSVEP(高于25 Hz)的刺激闪烁融合效应,提高使用者的舒适度,降低诱发疲劳和癫痫的可能。将该方法应用于智能轮椅脑-机导航控制中,通过3个基本频率的对比试验(低频传统SSVEP范式呈现3个目标和高频CCH-SSVEP范式呈现6个目标)验证该方法的技术优势,保障了基于高频组合编码稳态视觉诱发电位的智能轮椅导航高效无损功能实现。

基于稳态视觉诱发电位的手机拨号系统研究

利用人体生物电作为人与外部设备沟通的桥梁,是一种新的人机交互方式。依此开展了基于稳态视觉诱发电位(SSVEP)的脑电手机拨号系统的研究。设计一种基于视觉诱发电位的实时脑-机接口系统,用于控制拨打手机号码。该系统采用单片机设计视觉刺激器,同时在LabVIEW平台上,利用功率谱估计实时提取诱发电位向量,产生脑-机接口控制命令,用于TC35无线模块拨打手机号码。通过5位受试者各10次实验验证,所设计的基于稳态视觉诱发电位的脑电手机拨号系统,识别正确率最高达到100%,平均正确率98%,拨打任意一个11位手机号码的平均时间低于65 s,并且能保证正确拨打每一个号码。证明该系统的方案是可行的,具有较高的应用价值。

基于稳态视觉诱发电位的脑-机接口实验研究

为提取应用于脑-机接口系统的稳态视觉诱发电位信号(SSVEP),运用叠加平均与快速傅里叶变换(FFT)相结合的方法,由其频谱图上得到作为输入信号的稳态视觉诱发电位信号.通过实验确定了叠加平均次数与最佳视觉刺激颜色,并对混合闪光刺激下SSVEP的提取进行了研究.实验结果表明,该方法提取出的SSVEP信号能够反映使用者的控制意图,可应用于脑-机接口系统.

用于稳态视觉诱发电位特征频率提取的同步压缩短时傅里叶变换方法

针对稳态视觉诱发电位(steady state visual evoked potential,SSVEP)范式下脑电信号(electroencephalograph,EEG)信噪比低、限制其识别正确率提高及脑-机接口应用等问题,根据EEG随机性、近似平稳的特点,提出了用于SSVEP特征频率提取的同步压缩短时傅里叶变换方法。该方法利用短时傅里叶变换对EEG进行时频分析,并通过同步压缩变换对时频平面的能量在频率方向进行重新分配,获得频率曲线更加集中的时频表达;同时为提高EEG信噪比,提取SSVEP脑电中特征频率附近信号进行重构,并利用典型相关分析进行分类识别,有效提高了最终识别正确率。仿真和实验结果表明,该方法极大地提高了信号的信噪比,具有良好的抗噪声性能和信号提取精度,且与传统的经验模态分解和常规滤波方法相比,该方法平均识别正确率最多分别提高了9.98%和4.38%,平均信息传输率最多分别提高了7.57bit/min和2.69bit/min,有效提高了SSVEP范式下脑-机接口的工作性能。

稳态视觉诱发电位脑-机接口控制机械臂系统的设计与实现

目的近期利用非侵入式脑-机接口控制诸如计算机光标的虚拟对象及诸如轮椅的实际对象的研究已经证明了脑-机接口的前景。然而,少有研究尝试利用基于头皮脑电的非侵入式脑-机接口控制机械臂。方法引入了一个基于非侵入式脑-机接口的机械臂控制系统,该系统由机械臂子系统和基于便携式无线脑电的脑-机接口子系统组成。机械臂子系统是一个配备有两指气动抓手的6轴Denso机械臂,进而形成一个7自由度机械臂系统。针对机械臂的常用控制命令,设计了一个15目标的稳态视觉诱发电位脑-机接口且只记录了顶枕区9个导联,并用其控制一个7自由度的机械臂。为避免将刺激频率的谐波频率成分也作为刺激频率,刺激频率范围为8.0~15.7 Hz,频率间隔为0.55 Hz。无需任何训练数据的滤波器组典型相关分析方法被用于目标识别。由于机械臂由脑-机接口直接控制,该系统允许用户通过脑-机接口的15个命令在三维空间中灵活进行机械臂运动控制。结果来自10例健康受试者在线结果表明,研究所构建的脑控机械臂系统具有较好的性能,平均识别正确率高达93.87%,最高识别正确率达100.00%。结论实验结果证明了基于非侵入式脑-机接口技术控制机械臂的可行性。

基于稳态视觉诱发电位的在线脑机接口研究

针对脑机接口中存在的抗噪声能力差、操作复杂的问题,利用便携式脑电采集设备Emotiv EPOC以及NAO机器人,搭建了一个抗噪能力较好的稳态视觉诱发在线脑机接口系统。该系统采用典型相关性分析进行稳态视觉诱发电位的频率识别。在线实验中受试者通过Emotiv控制NAO机器人运动,四类任务的准确率达到87.50%。在线实验没有回避周围的噪声,表明该系统具有较好的抗噪能力。

基于稳态视觉诱发电位的多自由度机械手实时控制系统

将稳态视觉诱发电位作为多自由度机械手控制系统中一种新型、智能、实用的输入信号,设计了基于稳态视觉诱发电位的多自由度机械手控制系统,实现了脑电信号对机械手4个运动方向的实时控制。系统通过检测脑电信号中的稳态视觉诱发电位成分,通过离散平稳小波变换去除背景噪声,并利用短时傅里叶变换进行诱发电位的特征提取和识别,将其转换为外部机械手的控制命令。实验表明,控制系统的识别准确率达到75%以上。该系统的实现为延伸和提高人类对机器人的行为控制能力提供了一种新的方法。

稳态视觉诱发电位频率响应特性研究

目的稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)是大脑对周期性视觉刺激产生的响应,已广泛应用于基于脑电(electroencephalogram,EEG)的脑-机接口(brain-computer interface,BCI)。SSVEP频率响应曲线通常是以发光二极管(light emitting diode,LED)作为视觉刺激器的方式获得的。近年来,计算机显示器广泛用于产生闪烁刺激,然而基于计算机显示器的SSVEP频率响应曲线少有研究。为此,本文研究了基于计算机显示器的SSVEP频率响应特性。方法利用采样正弦编码方法在普通LCD显示器上产生了42个刺激频率(频率范围4~45 Hz),并收集了10位健康受试者的脑电数据,以研究SSVEP幅值/信噪比(signal-to-noise ratio,SNR)与刺激频率的关系。结果较强SSVEP响应出现在大脑枕区。SSVEP基频幅值的峰值出现在10 Hz处,且第二峰值出现在20 Hz处。SSVEP二次谐波幅值的峰值出现在6 Hz且在高刺激频率处幅值较小。低、中频段的SSVEP基频信噪比处于相当的水平。结论本文的实验结果可以为基于计算机显示器的SSVEP-BCIs的频率选择提供依据。

刺激视野面积对稳态视觉诱发电位的影响

基于稳态视觉诱发电位(SSVEP)的脑-机接口(BCI)系统通常采用占据较大视野面积的闪烁刺激以诱发更明显的脑电特征,但容易造成使用者疲劳、紧张和头痛,限制了SSVEP-BCI的实际应用。针对此问题,该文以幅值、信噪比、典型相关系数和任务相关系数为指标,探究了不同刺激视野面积(以角度尺寸进行衡量,范围为0.1°至13°)对诱发SSVEP信号特征强度的影响。分析结果表明,SSVEP信号的强度最初随刺激角度尺寸的增大而增大,但在角度尺寸达到3°左右后增长开始变缓并保持平稳。综合考虑系统舒适度和特征强度两个因素后得出结论,SSVEP-BCI系统的刺激角度尺寸约为3°时能够达到最佳性能。该文为SSVEP-BCI的最佳刺激角度尺寸选择提供了依据,相关研究成果在舒适友好型BCI方面具有潜在的应用价值。

基于稳态视觉诱发电位脑机接口的智能轮椅系统研究

本研究提出一种基于稳态视觉诱发电位(steady state visual evoked potential,SSVEP)脑机接口的智能轮椅系统,该系统采用典型相关分析实时提取脑电信号,并产生控制信号,信号传输速率高、分析速度快。同时该轮椅采用了基于麦克纳姆轮的全方向移动系统,避免了传统轮椅转弯角度不好控制的问题。六位被试者参与了该系统的在线实验,实验结果证实,该系统可以在较高准确率的条件下,在平面内进行任意方向的移动。实验结果证实了该系统的可行性与有效性。

基于稳态视觉诱发电位的脑控轮椅的控制方式

电动轮椅已广泛用于改善运动障碍患者的行动能力,而严重运动障碍患者因丧失运动功能而无法实现自行控制轮椅。为解决这一问题,基于脑-机接口(brain-computer interface,BCI)的控制策略被引入轮椅控制中。基于稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)的脑-机接口因具有高的信息传输率和较少的用户训练在脑-机接口领域备受关注。因此,本文综述了稳态视觉诱发电位脑-机接口驱动轮椅的现状,描述使用它们的人群,控制方式,脑控轮椅的特征提取和分类方法,以及系统性能评估方法。最后,讨论了这一领域目前面临的挑战以及研究方向。

参数调节随机共振增强稳态视觉诱发电位

针对提高稳态视觉诱发电位(SSVEP)信噪比的问题,提出一种基于参数调节随机共振来增强SSVEP的信号处理方法.该方法利用基于自回归模型的白化滤波器去除脑电频谱中存在的1/f趋势,通过改变采样频率的频率压缩方法把SSVEP频率线性转换为小于1的频率,使白化滤波后的信号符合随机共振产生的条件,调节双稳态系统参数实现随机共振效应,从而增强SSVEP信噪比.结果表明,通过该方法处理后,原本淹没在背景噪声中的SS-VEP频率在频谱中凸现出来,信噪比得到显著增强,从3.07提高到5.76,增大了1.88倍,说明参数调节随机共振有助于检测SSVEP.

基于稳态视觉诱发电位的电力载波传输控制系统研究

利用人体的脑电信号控制外界的设备是一种新型的人机交互方式,依此展开了基于稳态视觉诱发电位的电力载波传输控制系统的研究。设计了一套脑电实时控制家庭终端的新型智能家居系统。系统中融合了电力载波通信技术,不仅解决了那些行动不便的人群与外界交流的问题,也解决了传统控制模式中射频干扰与传输距离限制的问题。系统采用单片机控制LED作为视觉刺激器。脑电算法处理在Lab VIEW平台上进行,利用功率谱估计实时提取诱发电位向量,产生脑_机接口控制命令,控制命令通过电力载波模块实现在家用电力线的传输,并最终在家庭终端实现动作控制。通过实验验证,设计的系统平均识别率在95%以上,平均单次对家电开关控制的时间在6 s左右。