一种基于双特征的联合脑-机接口系统设计

与传统基于单一脑电信号的脑-机接口相比,基于多种特征信号的联合脑-机接口能有效提高脑-机接口性能.在基于稳态视觉诱发电位和P300诱发电位的联合使用的可行性基础上,提出了新的刺激编码方式,构建了一种基于两种特征的联合脑-机接口系统.通过设计3×3字符刺激矩阵,矩阵中纵列按各自设定频率闪烁诱发稳态视觉诱发电位,横行随机出现蓝色框诱发P300.实验表明,当受试者注视并关注目标字符,两种特征脑电信号能够被同时诱发,且对脑电信号中两种特征进行识别能够检测出受试者选取的字符.与传统基于P300的字符脑-机接口相比,刺激诱发时间减少了一半,从根本上提高了脑-机接口的速度.在以后工作中,系统可以扩展到更大矩阵(如6×6),构建更为实用的联合脑-机接口系统.     

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。     

闪光视觉诱发电位在脑机接口中的应用研究

运用叠加平均与快速傅立叶变化相结合的方法,提取大脑皮层的稳态视觉诱发电位SSVEP（steady state visual evoked potential）信号,并作为输入信号应用于脑控机器人系统。通过实验确定了测试电极、视觉刺激颜色与背景亮度等模式参数,并且研究了不同使用者在不同视觉刺激频率下的SSVEP幅值变化趋势。研究结果表明,该方法能更好地提高信噪比,提取出的稳态视觉诱发电位信号能够准确反映使用者的控制意图,应用于脑控机器人系统,取得了很好的效果。     

新颖的稳态视觉诱发电位脑机接口系统

传统的稳态视觉诱发电位(SSVEP)脑机接口系统无法与现实世界进行交互,长时间单调的光闪烁刺激容易导致视觉疲劳,影响识别精度.为了增强人与机器的交互以及对环境的感知,设计了增强现实(AR)和SSVEP结合的范式,在真实环境下对物体进行识别与追踪,并将闪烁块对物体进行标记,采用滤波器组典型相关分析(FBCCA)方法对脑电...     

一种基于SSVEP的仿人机器人异步脑机接口控制系统

设计了稳态视觉诱发电位(SSVEP)空闲状态检测的特征提取方法,建立了基于SSVEP的异步脑机接口二级分类器结构,开发了基于TICC2430芯片的无线传感器网络模块,实现了机器人控制命令的远程传送,使该仿人机器人系统具有脑电控制、语音交互、游戏手柄交互、机器视觉与避障等功能.通过SSVEP窄闲状态检测实验验证了脑机接口...     

基于稳态视觉诱发电位的脑机接口系统的设计与研究

目的设计与研究将稳态视觉诱发电位作为输入信号的脑机接口系统.系统以显示器图形闪烁模块作为稳态视觉诱发电位的刺激源,经过滤波、放大等信号预处理后,对采集到的脑电信号中的稳态视觉诱发电位成分采用一种基于滑动窗的迭代式逐点频谱监测方法进行诱发电位的特征提取和识别,并将其转换为相应的控制命令以实现对伺服机械手臂6种运动方向的实...     

基于Emotiv的脑机接口研究

针对脑机接口中存在的信号容易受到干扰、操作复杂的问题,利用经济便携式脑电采集设备Emotiv EPOC+搭载了一套基于稳态视觉刺激的脑机交互系统。该脑机接口系统首次将功率谱密度分析、典型相关性分析等方法按照不同权重相结合,使得目标识别的准确率高达98.6%,且该系统具有很高的抗噪能力和可拓展性。     

基于脑机接口集成控制系统

针对目前大部分关于脑-机接口系统控制的目标都是单一对象（如：电灯、电视等）,利用界面分层方法实现了脑-机接口家电集成控制。此系统可以有效控制电灯、电视等设备并且可以进行文字输入操作,能辅助神经功能障碍患者（如瘫痪病人）,提高其自理能力和生活水平,也可以为特殊环境下（如太空环境）的健康者提供一种辅助控制方法。     

基于FPGA的脑机接口实时系统

给出了以FPGA为核心,实现基于瞬态视觉诱发电位的脑机接口实时系统的方案。该方案包括脑电采集电路、基于FPGA的VGA视觉刺激器和FPGA开发板三部分。用FPGA取代计算机,作为脑机接口的控制和信息处理器。利用VHDL编程,在FPGA中实时处理采集的脑电信号,提取并识别瞬态视觉诱发电位信号,转换为控制命令,反馈给视觉刺激器。实验结果表明,本方案可以有效地实现脑机接口实时系统,并达到较高的正确率和通信速度。     

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。     

Constructing an exactly periodic subspace for enhancing SSVEP based BCI

A novel exactly periodic spatial filtering (EPSD) approach, that provides a robust detection performance, is introduced and evaluated in this study. The proposed method exploits the temporal properties of the steady-state visual evoked potential (SSVEP) response to construct an orthogonal and exactly periodic mapping that enhances the signal to noise ratio (SNR) of the SSVEP embedded in the electroencephalogram (EEG) data. The subspace of interest is constructed via the elimination of the signals spaces that does not constitute the exact period of the target frequency. The EPSD is evaluated on a 35 subject benchmark dataset collected using a 40 target SSVEP BCI system. The results reveal that the proposed EPSD spatial filter significantly enhances the performance of target detection. Further statistical tests also confirm that the EPSD is a potential alternative to the existing SSVEP spatial filters for realizing an efficient BCI system.     

基于CMP的脑机接口并行算法的设计与实现

脑机接口作为一种新型的不依赖于人体外周神经系统及肌肉组织的人机交互手段受到了广泛的关注。然而由于脑电信号自身的复杂性以及复杂的模式识别算法,使得传统的单机处理模式无法满足脑机接口实时在线分析的要求。同时,处理器的发展已经进入到了多核时代,有着大量的计算资源可供使用。基于此,本文提出了脑机接口关键算法并行化的一般框架,并依据该框架对P300脑机接口的识别分类算法进行了并行化。理论分析和实验结果表明并行化能有效的提高脑机接口的通信速率,为脑电信号的在线分类识别提供了新的思路。     

A high performance hybrid SSVEP based BCI speller system

The existing EEG based keyboard/speller systems have a tradeoff between the target detection time and classification accuracy. This study focuses on increasing the accuracy and probability of target classification rates in the SSVEP based speller system. We proposed two different types of hybrid SSVEP system by combining SSVEP with vision based eye gaze tracker (VET) and electro-oculogram (EOG). Thirty six targets were randomly chosen for this study and their corresponding visual stimulus was presented with unique frequencies. The visual stimuli were segregated into three groups and each group were arranged into different regions (left/middle/right) of the keyboard/speller layout for improving the probability of target detection rate. The VET/ EOG data were utilized to identify the regions that belong to the selected target. The region/group determination decreases the issue of misclassification of SSVEP frequencies. The averaged spelling accuracies of SSVEP-VET and SSVEP-EOG system for all the subjects is 91.2% and 91.39% respectively. Later, a visual feedback was added to the SSVEP-EOG system (SSVEP-EOG-VF) for improving the target detection rate. In this case, an average classification accuracy of 98.33% was obtained with the information transfer rate (ITR) of 69.21 bits/min for all the subjects. An accuracy of 100% was obtained for five subjects with the ITR of 74.1 bits/min in this system.     

基于脑-机接口的无线智能机器人控制系统

提出一种基于思维脑电的无线智能机器人控制系统设计方案。该系统采用想象左右手运动时产生的脑电信号作为智能服务机器人运动的控制信号,实现对服务机器人的控制,改善瘫痪患者生活自理能力。采用基于小波包分解的方法提取特征向量,利用基于欧式距离的方法进行模式识别,进而产生机器人运动控制信号,并通过LabVIEW串口发给单片机,单片机对该信号进行红外编码后发给智能机器人,用以控制其运动方向。实验结果证明,该设计方案有利于提高脑-机接口的实用性。     

Development and evaluation of BCI for operating VR flight simulator based on desktop VR equipment

Advancement of brain-computer interface (BCI) has shown its applications in various scenarios, including flight control. Flight simulator is a crucial part for aircraft design or experiment. Desktop virtual reality (VR)-based flight is a perfect choice for overcoming existing problems in head-mounted VR flight simulations, such as dizziness and isolation, which make interaction and sharing very difficult. In this paper, a BCI based on the steady-state visual evoked potential paradigm and a VR flight simulator were developed and integrated. The performance of the developed system was evaluated quantitatively for comparative studies. Experimental results show that the developed system is very convenient and suitable for VR flight simulations. The average operating accuracies with plane and VR visual stimuli are 81.6% and 86.8%, respectively. The VR visual stimuli can improve the average operating accuracy by 5.2% compared with the plane visual stimuli.     

基于虚拟仪器LabVIEW的脑—机接口系统

给出了基于瞬态视觉诱发电位的脑-机接口系统在LabVIEW环境下的实现方案。该方案的关键部分是视觉刺激器的设计和脑电信号的提取两部分。不同的刺激模块代表了多种可能的选择,受试者注视屏幕上其中一个目标,分析诱发电位可判别试者所注视的目标。采用累加平均和滤波的方法提高信噪比,用于提取微弱的脑电信号。该方案能有效地诱发出可识别的具有特征性的视觉诱发电位,并且通过离线的信号处理能够提取出所诱发的视觉诱发电位。     

基于脑电BCI的研究综述

一直以来脑研究都是国内外的研究热点,脑机接口（Brain Computer Interface, BCI）则是脑研究中的重要内容之一。正因为如此,越来越多的国内外研究者开始从事BCI的相关研究,并取得了诸多优秀成果。该文从BCI信号角度入手,总结了近年来基于脑电BCI的典型系统、相关分析方法及研究成果,并具体分析了其中存在的不足之处。     

脑机接口辅助的动态目标选择技术

动态目标选择是现代交互界面中最为基础的交互任务之一,目前存在多种辅助技术,但这些技术的决策和参数设定有很强的经验性,无法根据用户的当前状态进行调整.为了解决这个问题,基于两个认知负荷与难度感知的假设,提出一种脑机接口辅助的动态目标选择技术,利用近红外光谱信号对用户认知负荷感知的敏感性,实时地调整目标选择技术参数,给不同用户个体提供个性化辅助,适用于不同场景、用户状态和任务难度.通过一组实验,对提出的假设进行了验证,并且基于该假设构建的脑机接口辅助的动态目标选择技术,较不作任何辅助和固定辅助技术两种方案都更优,具体地,在选择错误率上分别降低20.55%和12.09%,在完成时间上分别降低998.35ms和208.67ms.     

基于P300高性能BCI打字机的研究与实现

随着科技的发展,人们对于计算机能力的提高日益强大,从而推动了人机交互技术的不断发展。类似于传统的人机交互方式（键盘,鼠标,遥控器等）,脑机接口（BrainComputerInterface,BCI）技术同样也可以被当作成一种人机交互方式。在字符输入中,以往的诱发界面常用6×6矩阵（26个字母加10个阿拉伯数字）,并按照一定顺序排列并以横、列方式进行闪烁,然后利用P300来分析所输入的字符。本文按照字母出现频率不同以一定方式组合成不同的诱发界面,通过对比找出高性能的BCI打字机。为以后BCI系统诱发界面应用中提供一些必要的参考依据。