基于P300特征的脑-机接口解码算法研究综述

脑-机接口是脑与外部设备连接进而实现信息交换技术，核心是发挥人脑的优势，直接通过人脑与外部环境进行高效互动，目前已成为世界各国的研究热点。P300是由特定刺激范式激发的事件相关电位中的一个典型成分，最初研究发现，当人脑受到某些小概率事件刺激时，会在脑电信号中出现一个潜伏期约为300 ms的正向波峰。由于P300成分具有刺激特异性，因此该特性已被广泛用来研究注意、辨认等认知功能，基于P300特征的脑电范式也已经成为三大主流范式之一。近年来，结合P300和脑-机接口的具有实用功能的应用大量涌现，与此相关的解码算法也被提出并不断改进，这为人们研究P300脑-机接口提供了便利。然而，P300脑-机接口的相关解码算法缺乏系统性总结，各类算法之间的特点也尚未得到明确比较。该文依据P300成分主要在顶枕区响应的特点，提出了基于非空间信息的P300脑电解码算法；依据P300成分在不同脑区响应特征不同的特点，提出了基于空间信息的P300脑电解码算法；依据近几年信息技术快速发展，深度学习已不断在P300脑-机接口中应用的特点，提出了基于深度学习的新型P300脑电解码算法；从以上三个角度入手，总结近年来P3...     

基于脑电的快速序列视觉呈现脑-机接口系统研究进展综述

脑-机接口(BCI)系统建立大脑与外部设备之间的直接交流通路,结合快速序列视觉呈现(RSVP)范式能够实现利用人类视觉系统进行高流通量图像目标检索。近些年来,RSVP-BCI系统在范式编码、脑电(EEG)解码和系统应用方面的研究取得了长足的进步。对范式编码的研究揭示不同范式参数对系统性能的影响,促进提升系统性能;脑电解码的研究在提升算法分类性能的同时推动少训练、零训练样本、多模态等场景下的应用;对RSVP-BCI系统应用的研究实现推动系统走向实际应用并拓宽了应用领域。同时,系统仍面临着迈向实际时可应用领域范围窄、脑电跨域解码难题以及计算机视觉飞速进步带来的挑战。该文对RSVP-BCI近年来的相关研究进展进行了回顾与总结,并对未来的发展方向进行了展望。     

基于极微弱脑电编解码技术的脑机接口前沿展望

脑机接口是人机交互领域中迅速发展的新兴技术,在系统交互速率和指令集数量等方面已经取得较大突破,但现有脑机接口技术多基于高鲁棒性的脑电特征进行编解码,欠缺舒适性和交互友好性,导致目前该技术的应用场景受限且不利于用户进行多线程作业,限制了脑机接口技术走向实际应用.面向脑机交互过程中的实际应用需求,需要开发基于极微弱脑电的编解码技术,挖掘蕴含更深层、更复杂大脑信息的脑电特征.为此,一方面需设计提升用户体验的极微弱刺激编码范式,一方面需研发提高极微弱特征识别精度的解码算法,实现更加实用化、人性化的新型脑机接口系统.本文对基于极微弱脑电编解码技术的相关研究进行了回顾和总结,并对该技术的未来发展趋势进行了展望.     

基于P300电位的新型BCI中文输入虚拟键盘系统

 近年来各种信号处理技术随着计算能力的提高取得了巨大进展,推动了人机交互(HCI)技术的发展.脑机接口(BCI)是一种特殊的人机交互通道,在最近几年引起广泛关注.P300电位是一种事件相关电位,利用诱发人类P300的原理,可以实现基于P300的BCI系统.此类系统以往常用于英文字母的输入,本研究首次设计并开发了一套进行汉字输入的在线P300-BCI系统.系统利用汉字基于笔画的特性简化了P300诱发界面,并据此设计了相应的汉字虚拟键盘.利用此系统进行的在线输入实验表明,此中文BCI的设计是可行的,对系统的进一步完善将可以为汉语系的瘫痪患者的机能恢复提供新的选项.     

P300 Speller中基于权值重采样的 ABSVM字符识别方法研究

 P300 Speller是脑-机接口中重要的信息交互方式,由于其诱发的脑电特征信噪比较低与训练样本量庞大等问题,常规的线性识别算法和支持向量机等非线性识别算法难以获得理想的识别效率.本文引入了一种基于权值样本重采样过程的Adaptive Boosting SVM(ABSVM)方法,在大样本集上利用AdaBoost重采样方法建立一系列小样本子集,在其上训练支持向量机并将其集成后进行识别.对6位受试者P300 Speller字符辨识实验的脑电特征识别结果发现,该方法能够显著提高字符识别效率,在合并使用5次重复刺激特征的情况下字符识别准确率达到97.5%.使用国际脑机接口竞赛数据库数据进一步验证,在合并使用5次重复刺激特征的情况下该方法识别正确率较竞赛报告的最优方法提高7.35%,最大信息传输速率的提高达到48.9%.研究结果表明,ABSVM方法能够有效提高P300 Speller的识别效率和信息传输速率,值得进一步研究和发展.     

应用于脑机接口的便捷式头皮电极

脑电信号幅度弱、频率低,容易受环境及其他内源性电生理信号干扰.电极作为头皮脑电记录的首要关键器件,其性能的好坏,直接影响着脑机接口技术的发展.随着脑机接口技术逐渐走向成熟,在实验室中使用的传统湿电极尽管信号质量好,但佩戴和安放需要专业人员操作,使用后的设备需要清洗和晾晒等维护,大大限制了脑机接口技术的发展和推广应用.为配合满足应用场景下脑电采集的应用需求,脑机接口用电极器件需要在电学性能、佩戴舒适度和使用便捷性三个方面满足要求.同时,脑电电极的设计和制备,要满足头皮有发区域的脑电采集.本文综述了近年来用于头皮脑电记录的便捷式电极器件及其固定头戴的研究进展,分析了不同电极方案的技术特点,对用于脑机接口中电极及脑电帽的发展进行了总结和展望.     

基于精细运动想象的脑机接口技术研究进展

基于运动想象的脑机接口(Motor Imagery based Brain-Computer Interface,MI-BCI)对运动康复具有重大意义.然而,现有MI-BCI指令集有限,在高维精细运动控制时,运动意图与动作输出无法匹配,不利于构建反馈真实运动意图的闭环运动康复系统.近年来,精细运动想象编解码研究逐渐受到关注与重视,在范式与解码方法两方面取得了一些研究进展.范式方面,一些研究对想象单一肢体不同关节、同一关节不同自由度的动作进行了尝试;解码方法方面,传统机器学习、深度学习与基于领域自适应的迁移学习方法等被引入到了精细运动想象解码研究中.本综述讨论了基于脑电信号的精细运动想象范式与解码方法的研究进展,并展望了其未来前景,以期促进精细运动想象脑机接口技术的深入研究及未来应用.     

基于信号投影能量特征的脑电意识动态分类

针对脑电意识任务动态分类问题,本文提出了一种基于投影能量的特征提取方法来提取反映不同思维状态的脑电特征,并结合信息累积后验贝叶斯方法进行分类以提高脑-机接口系统的分类正确率。该方法通过使两类信号在投影基上的平均投影能量比达到极值,从而达到提高脑电信号分类准确度的作用。实验结果表明两个运动想象数据集上的最大正确率都达到90%左右,最大分类准确率、kappa系数和最大互信息等评价指标的比较也表明该方法能够有效提高BCI系统的性能,具有较好的实用性。     

基于脑电的脑机接口技术在医学领域中的应用

脑机接口能够在大脑与外部设备之间建立直接的交流通道.随着脑科学的深入研究和人工智能技术的迅猛发展,脑机接口得到了长足的进步.基于头皮脑电的脑机接口由于具有对人体无创伤、成本低廉且便携性较好等优点,在多种应用场景中广受关注.本文从脑信号产生、获取和解码三方面引入,介绍基于脑电的脑机接口技术,阐述脑机接口技术在医学领域的应用现状.考虑到尽管脑机接口进展迅速,但目前仍处于发展、成长阶段,本文将探讨该项技术在医学领域中的挑战与可能解决方案,以增进对基于脑电的脑机接口技术的了解和认知.     

听觉诱发的“是”与“非”脑电信号研究

脑机接口(BCI)作为一种新兴技术,把脑电活动转化成电脑、假肢、机器人等设备控制信号的新交流通道。通过脑机接口研究可以提高患有严重的神经肌肉损伤病人的生活质量。文中介绍了听觉刺激诱发的“是”或“非”脑电信号的信号处理。信号处理采用共空间模式(CSP)的特征提取方法以及支持向量机(SVM)的分类方法。健康受试者实验数据离线分析的分类准确率达到80.2%。实验结果表明了这种方法对神经肌肉系统损伤患者和外部交流的可行性和有效性,为进一步的研究奠定了基础。     

An asynchronous P300 BCI with SSVEP-based control state detection

In this paper, an asynchronous brain-computer interface (BCI) system combining the P300 and steady-state visually evoked potentials (SSVEPs) paradigms is proposed. The information transfer is accomplished using P300 event-related potential paradigm and the control state (CS) detection is achieved using SSVEP, overlaid on the P300 base system. Offline and online experiments have been performed with ten subjects to validate the proposed system. It is shown to achieve fast and accurate CS detection without significantly compromising the performance. In online experiments, the system is found to be capable of achieving an average data transfer rate of 19.05 bits/min, with CS detection accuracy of about 88%.     

BCI Competition 2003--Data sets Ib and IIb: feature extraction from event-related brain potentials with the continuous wavelet transform and the t-value scalogram

The t-CWT, a novel method for feature extraction from biological signals, is introduced. It is based on the continuous wavelet transform (CWT) and Student's t-statistic. Applied to event-related brain potential (ERP) data in brain-computer interface (BCI) paradigms, the method provides fully automated detection and quantification of the ERP components that best discriminate between two samples of EEG signals and are, therefore, particularly suitable for classification of single-trial ERPs. A simple and fast CWT computation algorithm is proposed for the transformation of large data sets and single trials. The method was validated in the BCI Competition 2003, where it was a winner (provided best classification) on two data sets acquired in two different BCI paradigms, P300 speller and slow cortical potential (SCP) self-regulation. These results are presented here.     

xDAWN Algorithm to Enhance Evoked Potentials: Application to Brain–Computer Interface

A brain-computer interface (BCI) is a communication system that allows to control a computer or any other device thanks to the brain activity. The BCI described in this paper is based on the P300 speller BCI paradigm introduced by Farwell and Donchin. An unsupervised algorithm is proposed to enhance P300 evoked potentials by estimating spatial filters; the raw EEG signals are then projected into the estimated signal subspace. Data recorded on three subjects were used to evaluate the proposed method. The results, which are presented using a Bayesian linear discriminant analysis classifier, show that the proposed method is efficient and accurate.     

液压系统压力/速度调节器设计

针对液压传动系统对压力／速度调节器的要求,设计了单片微机与步进电机的硬件接口电路、步进电机工作控制软件以及单片机和上位机之间的通讯接口与软件。该控制调节器成功地应用于生产发发动机气门的电镦机上。     

Visual spatial attention control in an independent brain-computer interface

This paper presents a novel brain computer interface (BCI) design employing visual evoked potential (VEP) modulations in a paradigm involving no dependency on peripheral muscles or nerves. The system utilizes electrophysiological correlates of visual spatial attention mechanisms, the self-regulation of which is naturally developed through continuous application in everyday life. An interface involving real-time biofeedback is described, demonstrating reduced training time in comparison to existing BCIs based on self-regulation paradigms. Subjects were cued to covertly attend to a sequence of letters superimposed on a flicker stimulus in one visual field while ignoring a similar stimulus of a different flicker frequency in the opposite visual field. Classification of left/right spatial attention is achieved by extracting steady-state visual evoked potentials (SSVEPs) elicited by the stimuli. Six out of eleven physically and neurologically healthy subjects demonstrate reliable control in binary decision-making, achieving at least 75% correct selections in at least one of only five sessions, each of approximately 12-min duration. The highest-performing subject achieved over 90% correct selections in each of four sessions. This independent BCI may provide a new method of real-time interaction for those with little or no peripheral control, with the added advantage of requiring only brief training.     

基于USB接口的射频IC卡系统

介绍了一种带有USB接口的射频IC卡系统,阐述了该系统的工作原理.经过方案对比,选用USBN9603作为USB接口控制芯片,构成USB接口电路,可以使设计简单,尤其适合于产品的改型设计.给出了USB设备的软件设计方法,并给出了单片机与上位管理机通信的程序流程.由于采用USB接口,可以克服以往IC卡系统不支持热插拔和不能灵活与外设连接的缺点.     

在ARINC429航空总线设备中实现USB功能

航电设备主控制系统通过ARINC429接口周期性地接收分系统的工作状态信息,利用低温性能较好且价格低廉的MCS-51单片机对数据进行处理,再通过USB接口将包含工作状态的信息写入U盘,使航电设备工作时的参数和状态能够随时用U盘读出,实现对设备工作状态的监控。介绍了单片机控制USB接口芯片SL811HS作为USB主机的硬件设计和底层驱动的编写。ARINC429接口采用HS3282作为接口芯片,以锁存器作为虚拟总线,解决了MCS-51单片机与429接口芯片HS3282总线宽度不匹配的问题,给出了接口的硬件和软件设计方案。     

BCI competition III: dataset II- ensemble of SVMs for BCI P300 speller

Brain-computer interface P300 speller aims at helping patients unable to activate muscles to spell words by means of their brain signal activities. Associated to this BCI paradigm, there is the problem of classifying electroencephalogram signals related to responses to some visual stimuli. This paper addresses the problem of signal responses variability within a single subject in such brain-computer interface. We propose a method that copes with such variabilities through an ensemble of classifiers approach. Each classifier is composed of a linear support vector machine trained on a small part of the available data and for which a channel selection procedure has been performed. Performances of our algorithm have been evaluated on dataset II of the BCI Competition III and has yielded the best performance of the competition.     

Design and implementation of a brain-computer interface with high transfer rates

This paper presents a brain-computer interface (BCI) that can help users to input phone numbers. The system is based on the steady-state visual evoked potential (SSVEP). Twelve buttons illuminated at different rates were displayed on a computer monitor. The buttons constituted a virtual telephone keypad, representing the ten digits 0-9, BACKSPACE, and ENTER. Users could input phone number by gazing at these buttons. The frequency-coded SSVEP was used to judge which button the user desired. Eight of the thirteen subjects succeeded in ringing the mobile phone using the system. The average transfer rate over all subjects was 27.15 bits/min. The attractive features of the system are noninvasive signal recording, little training required for use, and high information transfer rate. Approaches to improve the performance of the system are discussed.     

MPI＋OpenMP混合编程模型在大规模三对角线性方程组求解中的应用

分布式共享存储系统的特点是每个节点内是共享存储的,而节点间是分布式存储.为了更好地利用这种多级体系结构,讨论了MPI＋OpenMP混合编程模型的性能及实现方法,建立了大规模三对角线性方程组的MPI＋OpenMP混合并行算法,并在上海大学高性能计算集群上与单纯MPI算法进行了性能方面的比较.结果表明,MPI＋OpenMP混合并行算法具有更好的加速比和扩展性.