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。      

不同刺激光源面积对SSVEP共振频率的影响研究

稳态视觉诱发电位（steady-state visual evoked potentials，SSVEP）的共振频率为诱发最大SSVEP响应对应的刺激频率，对其研究在临床神经科学和脑机接口技术领域均具有很好的应用前景。刺激光源面积是影响SSVEP共振频率的一个要素，但目前对共振频率随光源面积变化规律知之甚少。本文首先进行的理论研究结果表明周期性视觉刺激光源面积变化和SSVEP性能变化密切相关；然后侧重实验研究不同LED光源刺激面积变化对SSVEP共振频率的影响规律:首先采集不同光源面积刺激下的SSVEP信号，对其依次进行50 Hz陷波、带通滤波（带宽为3～35 Hz）去噪、去趋势与眼电等预处理；然后基于快速傅立叶变换进行频谱分析，计算不同刺激频率下的SSVEP平均归一化基波功率，以确定SSVEP的共振频率。结果表明:当光源半径和刺激频率分别在5～9 mm和6～20 Hz取值时，SSVEP共振频率随光源面积变化的规律是:当光源面积小于某阈值时，共振频率与光源面积正相关；而超出这个阈值时，共振频率与光源面积负相关。此外本文用闪光LED作为刺激源，可有效解决以屏幕闪光为刺激源时存在的频率选择受限于屏幕刷新率问题。本文研究结果可为神经系统疾病的预测或诊断和SSVEP在脑机接口领域的有效应用提供有意义的理论和实验依据。      

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.     

基于双谱的稳态视觉诱发电位脑机接口导联选择算法

基于稳态视觉诱发电位(SSVEP)的脑机接口中,识别算法所用的导联通常是固定的.然而,被试间存在个体性差异,针对不同被试使用个性化导联组合有助于提升算法识别SSVEP的性能.本文提出了一种基于双谱的导联选择算法,它利用SSVEP双谱和参考信号双谱之间的欧氏距离作为度量指标,对所有导联进行排序,并使用模糊系统融合SSVEP产生区域的先验知识,自主决定是否使用个性化导联.实验结果表明,被试使用本算法选择的个性化导联组合能够实现更高的SSVEP分类准确率和信息传输速率.     

MSI和CCA算法对稳态视觉诱发电位信号分类的比较研究

脑机接口（Brain Computer Interface, BCI）系统能让那些有运动障碍的病人用脑信号与外界设备交互。稳态视觉诱发电位（Steady State Visual Evoked Potential,SSVEP）具有分析正确率高,不用训练等优点而倍受重视。如何高效地对SSVEP信号频率识别是SSVEP-BCI的关键问题,并关系到BCI的系统优劣。本文采用多变量同步指数与典型相关分析方法对SSVEP信号分类进行比较研究,探讨了两种方法在数据长度、导联数量、导联位置以及参考信号的谐波数量对SSVEP信号分类效果的影响。六位被试者参与实验采集数据,实验结果证实,在时间窗较小,数据长度较少的条件下,多变量同步指数方法较典型相关分析方法性能更优。而对于SSVEP信号分析来说,导联位置的准确性是影响频率分析算法的最根本因素。      

不同占空比光刺激对稳态视觉诱发电位的影响研究

目前稳态视觉诱发电位(Steady-State Visual Evoked Potentials, SSVEP)被广泛应用于脑机接口技术和医学临床检测和治疗.了解影响SSVEP参数及其规律非常必要.针对目前不同学者在不同实验条件下测试闪烁光脉冲占空比对SSVEP影响的结果差异较大而难以归纳其共性规律问题, 将光脉冲刺激下产生神经冲动的视觉皮层细胞沿内外膜流动的电流等效为一磁偶极子, 在此基础上建立了人头部空间电场及SSVEP计算模型.采用该模型对光脉冲占空比影响SSVEP的规律进行了分析, 并开展了相关实验.研究结果表明:在闪烁光频率和强度相同条件下, 光脉冲占空比对SSVEP各次谐波振幅及其平均功率的影响呈现多“窗口”效应.实验数据与理论研究结果一致.     

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.     

基于SSVEP的脑控小车系统的研究

文中设计了一种基于SSVEP的脑控小车分级速度和方向控制的系统,存在向左、向右、向后、向前(一级、二级、三级)6个脑控命令。在刺激范式、刺激时间、空间布局三方面进行了优化,实验表明扩大刺激目标间距、加强刺激时间能够提高目标识别准确率。在脑电解码方面,采用HHT(Hibert-Huang Transform)和CCA(Canonical Correlation Analysis)对比方式,10名被试参与此次研究,结果表明HHT解码方式比CCA在准确度方面提高了6.59%;在特征分类方面,采用支持向量机(Support vector machine,SVM)形式。该方向和分级速度控制系统实现了小车在速度和方向上的灵活控制,优化方法提高脑了控小车的准确度与实时性。实验结果显示在选取范式3,刺激时间3s的条件下,10名被试平均识别准确率高达92.50%。文中理论可望为脑控设备走出实验室打下坚实基础。     

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。     

面向传感器网络的双向中继协议

针对传感器网络的特点,提出一种基于三时隙网络编码及选择性解码转发的双向中继协议,简称双向选择性解码转发协议（TW-SDF）。对比物理层网络编码中继协议,此协议具有高分集增益、低编解码复杂度及易系统实现等优点。更重要是从理论上推导出此中继协议在采用线性分组码及硬解码算法情况下的误块率上界。仿真实验表明,若采用BCH线性分组码,上述误块率上界能紧致地预测真实系统性能。     

An SSVEP-based BCI using high duty-cycle visual flicker

Steady-state visual-evoked potential (SSVEP)-based brain-computer interfaces (BCIs) have generated significant interest due to their high information transfer rate (ITR). Due to the amplitude-frequency characteristic of the SSVEP, the flickering frequency of an SSVEP-based BCI is typically lower than 20 Hz to achieve a high SNR. However, a visual flicker with a flashing frequency below the critical flicker-fusion frequency often makes subjects feel flicker jerky and causes visual discomfort. This study presents a novel technique using high duty-cycle visual flicker to decrease user's visual discomfort. The proposed design uses LEDs flashing at 13.16 Hz, driven by flickering sequences consisting of repetitive stimulus cycles with a duration T (T = 76 ms). Each stimulus cycle included an ON state with a duration T(ON) and an OFF state with a duration T(OFF) (T = T(ON) + T(OFF)), and the duty cycle, defined as T(ON)/T, varied from 10.5% to 89.5%. This study also includes a questionnaire survey and analyzes the SSVEPs induced by different duty-cycle flickers. An 89.5% duty-cycle flicker, reported as a comfortable flicker, was adopted in a phase-tagged SSVEP system. Six subjects were asked to sequentially input a sequence of cursor commands with the 25.08-bits/min ITR.     

Low Mutual Coupling of Microstrip Antenna Array Integrated with Dollar Shaped Resonator

This paper describes the effectiveness of feature obtained by power spectrum analysis (PSA) as well as the combined method of empirical mode decomposition (EMD) and PSA for the development of brain–computer interface (BCI) system using steady-state visual evoked potential (SSVEP). Accurate detection of SSVEP response from the recorded EEG signal is a difficult task for a new development of the BCI inference system. The EMD technique is a non-linear method of signal decomposition, which generates several intrinsic mode functions (IMFs) of different flickering frequencies. Prominent IMF signal of SSVEP plays a vital role in the accurate detection of frequency. The proposed method achieves the average detection accuracy of 81.45% over four subjects; in contrast, the conventional method of PSA achieves average detection accuracy of 80.43%. The achieved result indicates that the proposed method out performs state of the art by more than 1.02% over four subjects.

     

Complex-Valued Spatial Filters for SSVEP-Based BCIs With Phase Coding

Brain-computer interface (BCI) systems based on steady-state visual evoked potentials (SSVEPs) have gained considerable popularity because of the robustness and high information transfer rate these can provide. Typical SSVEP setups make use of visual targets flashing at different frequencies, where a user's choice is determined from the SSVEPs elicited by the user gazing at a specific target. The range of stimulus frequencies available for such setups is limited by a variety of factors, including the strength of the evoked potentials as well as user comfort and safety with light stimuli flashing at those frequencies. One way to tackle this limitation is by introducing targets flickering at the same frequency but with different phases. In this paper, we propose the use of the analytic common spatial patterns (ACSPs) method to discriminate between phase coded SSVEP targets, and we demonstrate that the complex-valued spatial filters used for discrimination can exceed the performance of existing techniques. Furthermore, the ACSP method also yields a set of spatial patterns, separable into amplitude and phase components, that provide insight into the underlying brain activity.     

LDPC编译码算法分析

低密度奇偶校验(LDPC)码是一种线性分组码,其纠错能力可以接近香农极限。针对LDPC码的编译码问题,分析了校验矩阵的构造方法。给出了LDPC码的编码算法以及算法的实现结构。分析了基于软判决的置信传播(BP)译码算法,并给出了可以进一步降低计算复杂度的简化译码方法。通过仿真对比了不同的译码算法在高斯信道下的译码性能。     

CSSD＋AAR模型在脑电信号处理中的应用

针对BCI技术中的脑电信号处理方法和事件相关去同步化的特点,提出了一种结合时、频、空域的特征提取方法。结合CSSD和AAR模型来提取脑电特征,并对基于AAR模型系数的特征提取方法进行了探讨,最终选择卡尔曼平滑算法提取模型系数,然后将提取的特征用简单的线性分类器进行分类。实验结果表明测试集的分类正确率达到了94．08％,而且这种特征提取方法有很好的时间分辨率,适合于在线分类。这是一种正确率高,时间分辨率高,适合在线分类的好方法。     

A Study on SSVEP-Based BCI

Abstract-Brain-computer interface （BCI） can help the deformity person finish some basic activities. In this paper, we concern some critical aspects of SSVEP based BCI, including stimulator selection, method of SSVEP extracting in a short time, stimulating frequency selection, and signal electrode selection. The conclusion is that the stimulator type should be based on the complexity of the BCI system, the method based on wavelet analysis is more valid than the power spectrum method in extracting the SSVEP in a short period, and the selections of stimulating frequency and electrode are important in designing a BCI system. These contents are meaningful for implementing a real SSVEP-based BCI.     

A Study on SSVEP-Based BCI

Brain-computer interface (BCI) can help the deformity person finish some basic activities. In this paper, we concern some critical aspects of SSVEP based BCI, including stimulator selection, method of SSVEP extracting in a short time, stimulating frequency selection, and signal electrode selection. The conclusion is that the stimulator type should be based on the complexity of the BCI system, the method based on wavelet analysis is more valid than the power spectrum method in extracting the SSVEP in a short period, and the selections of stimulating frequency and electrode are important in designing a BCI system. These contents are meaningful for implementing a real SSVEP-based BCI.     

（2,1,7）卷积码编译码器的FPGA实现

卷积码是一种重要的前向纠错信道编码方式,其纠错性能常常优于分组码,且（2,1,7）卷积码已应用于现代卫星通信系统中。Viterbi译码算法能最大限度地发挥卷积码的优异性能。这里采用Verilog HDL语言设计出（2,1,7）卷积码的编码器模块和基于Viterbi算法的译码器模块,译码器采用全并行结构,译码速度快。阐述了编译码器各模块的设计原理,并在ModelSim给出各模块的仿真测试结果。同时对译码器进行纠错性能测试,测试结果表明该Viterbi译码器有良好的纠错性能。