混合脑机接口的研究进展

传统的脑机接口（Brain Computer Interface,BCI）有许多不足,如基于运动想象的BCI需要受试者进行大量练习;基于P300位的BCI需要多次重复闪烁;基于SSVEP的BCI上的控制命令数量受刺激频率及其他因素影响.为此,研究人员提出了混合脑机接口（hybrid Brian Computer Interface,hBCI）.本文主要讨论了hBCI的研究进展,综述了常见的三种hBCI类型,分别是基于多种大脑模式的hBCI、基于多种感官刺激的hBCI、基于多种信号的hBCI,通过分析最新的hBCI系统的一般原理、刺激范式、实验结果、优点和应用,发现利用hBCI技术可以提高BCI的分类准确率,增加控制命令的数量,明显优于单一模态的BCI.     

视觉P300脑机接口中的SOA扰动现象

异步操控性是脑机接口走向实际应用的关键技术之一.其关键点在于寻找一种可有效区分脑机接口工作状态和空闲状态的指标.建立了针对P300脑机接口的刺激起始异步(SOA)扰动模型,在仿真实验和实测数据中观察到SOA扰动谱线,并根据所提出的模型给出了合理解释.研究了SOA扰动的频域特性,结果表明,当SOA位于220 ms附近时,SOA扰动的强度最大,而当SOA低于150 ms时,SOA扰动强度将急剧减小.同时SOA扰动所具有的锁相性使得可以通过时域相干平均法进一步提高信噪比.SOA扰动可作为脑机接口处于工作状态的标志,为异步脑机接口的实现提供了一种新的研究思路.     

多模态脑机接口游戏系统的设计与应用

在脑机接口应用中,游戏是其中一个重要的应用方向。脑机接口通过所包含的精神和情感的状态信息能够丰富游戏的趣味性,游戏反过来会推广脑机接口技术的应用。提出并实现了多人脑机接口扫雷游戏系统,该系统是采用玩家在想象运动和P300刺激时的脑电信号作为扫雷光标的控制信号,从而实现将运动想象和P300电位这两种模态的结合并应用到扫雷游戏中。详细介绍了整个游戏系统的实现过程,并提供了八名玩家的实测结果。实验结果表明这两种模态结合应用在游戏中的可行性。     

基于EEG的脑机接口发展综述

随着无线传输、机器学习、人工智能等技术的进步,基于脑电图(EEG)的脑机接口(BCI)技术的研究相应增加,作为一种变革性的通讯和控制技术,脑机接口可以广泛地应用于康复医疗、游戏娱乐、军事应用、家居智能等领域,具备千亿级别的应用市场;综述了基于EEG的典型脑机接口范式,包括MI-BCI、P300-BCI、SSVEP-BCI等范式的基本原理、研究现状和典型应用场景,对各类范式的优缺点进行了评价,提出了当前研究中面临的技术和伦理等方面的风险挑战,并对其发展和应用前景作了展望。     

脑-机接口研究进展

作为当前神经工程领域中最活跃的研究方向之一,脑-机接口在生物医学、神经康复和智能机器人等领域具有重要的研究意义和巨大的应用潜力.近10年来,脑-机接口技术得到了长足的进步和飞速的发展,应用领域也在逐渐扩大.在已有相关工作的基础上,介绍脑-机接口系统的主要组成部分,对各组成部分常涉及到的相关基本理论和技术作了总结和介绍,主要包括脑信号获取、脑信号预处理、特征提取、变换算法等相关技术和理论,最后对脑-机接口未来的研究方向进行了展望.     

脑机接口中脑电信号的特征提取和模式分类

从智能处理与不确定性的角度, 探讨了脑机接口中的核心问题-EEG模式特征的识别和分类. 针对EEG模式分类中所存在的不确定性问题, 从EEG的特征提取和分类模型构建两个方面进行了分析, 并提出了解决问题的方法和对策. 以P300成分为例, 从导联选择、滤波处理和时间窗处理三方面进行特征提取, 采用贝叶斯线性判别分析的方法进行模式分类. 最后以第三届脑机接口竞赛P300字符输入的数据为实验, 分别采用3种不同的方法进行数据分析, 通过分类准确率和不同重复次数下性能的比较, 实验结果表明了本文特征提取和模式分类方法的有效性.     

脑－计算机接口载波成分的单次提取

利用脑－机接口这种新颖的人－机交互模式构建一种脑控拼写器,用于帮助高位截瘫患者实现与外界的交流。该系统采用模拟人类自然阅读的诱发模式,大脑自主地进行选择性输入。在这种实时通信模式中,不能采用认知科学实验及临床中的常规叠加平均方法来提取VEP,而必须实现特征信号的单次识别。本文利用支持向量机分类器对三名被试的脑电信号的载波成分进行了单次提取,特征数据来自通道Pz,以300ms~600ms时段的P300成分作为特征信号,对靶刺激的正确识别率分别为91.3%、88.9%和91.5%,证明了诱发模式的先进性,为系统的实现打下了基础。     

用于脑-机接口P300实验的支持向量机分类方法

脑-机接口(BCI)技术利用脑电来实现无动作的人机交互.P300字符拼写范式是利用脑电信号实现文字选择输入的一种重要BCI实验范式,它通过对EEG中的P300信号的检测和识别,来推断试验对象(被试)对字母的注意选择.以2005年脑一机接口竞赛中的一组P300字符拼写实验数据为处理对象,采用支持向量机(SVM)的机器学习方法进行算法设计,对信号通道进行了筛选,并采用较少的EEG通道数据进行处理.另外,通过调整参与训练的数据集大小,扩大了v-SVM中参数v的取值范围,更有利于分类器设计.通过上述策略,提高了该BCI实验范式中的系统总体分类精度.上述方法对于测试集字符最佳识别正确率可达到89%,相比于我们参加该届竞赛时所用的线性分类器(LDA),字符识别正确率提高了3%.     

基于混合视线-脑机接口与共享控制的人-机器人交互系统

设计了一种基于混合视线-脑机接口与共享控制的人-机器人交互系统,以使得用户可通过视线和意念对机器人末端在2维空间进行连续的运动控制,并在避障和趋近目标的任务中获得机器智能的辅助.首先,按照用户运动意念的强度对机器人末端的运动速度大小进行等比例连续调节,以提高用户对机器人的控制感以及完成任务的参与性.然后,提出了机器人末端运动方向的一种共享控制策略,动态地融合基于视线追踪技术所得到的用户方向控制指令以及由机器人避障和趋近目标的行为设定所得到的机器人系统方向控制指令,自适应地调整机器人系统对用户的辅助力度,以减轻用户脑力负荷,提高任务完成成功率.最后,针对搭建的基于混合视线-脑机接口和共享控制的人-机器人交互平台,通过实验验证了所提系统的有效性.     

脑机接口系统的协同工作机制

脑机接口(Brain-Computer Interface,BCI)是一种新型的对外信息交流和设备控制方式。脑机接口系统的协同工作机制包含了人机协同和软硬件各模块间的协同。本文探讨了这些协同工作如何开展、各部件如何共同协调与协作来完成共同的任务。     

基于脑机接口的控制器

为实现大脑与设备的通讯,研究基于脑机接口的控制器．本文研究脑电信号（EEG）的特征提取,实验通过E．Prime心理学软件结合Neuroscan公司生产的64导脑电采集设备获取脑电原始信号,利用小波算法对原始脑电信号进行分析,提取感兴趣的频段小波系数作为特征;分析脑电信号的功率谱,基于Fisher准则设计分类器．本文在研究脑机接口（Brine．ComputerInterface,BCI）的基础上通过想象实现了对运动的控制．以轮椅为实际控制对象,仅仅通过两个电极采集脑电信号,设计制作了控制器,理论验证实验成功的通过想象控制轮椅的四个方向的运动．本文最后还探讨了脑机接口的应用前景．     

A Hybrid Brain-Computer Interface for Closed-Loop Position Control of a Robot Arm

Brain-Computer interfacing (BCI) has currently added a new dimension in assistive robotics. Existing brain-computer interfaces designed for position control applications suffer from two fundamental limitations. First, most of the existing schemes employ open-loop control, and thus are unable to track positional errors, resulting in failures in taking necessary online corrective actions. There are examples of a few works dealing with closed-loop electroencephalography (EEG)-based position control. These existing closed-loop brain-induced position control schemes employ a fixed order link selection rule, which often creates a bottleneck preventing time-efficient control. Second, the existing brain-induced position controllers are designed to generate a position response like a traditional first-order system, resulting in a large steady-state error. This paper overcomes the above two limitations by keeping provisions for steady-state visual evoked potential (SSVEP) induced link-selection in an arbitrary order as required for efficient control and generating a second-order response of the position-control system with gradually diminishing overshoots/undershoots to reduce steady-state errors. Other than the above, the third innovation is to utilize motor imagery and P300 signals to design the hybrid brain-computer interfacing system for the said application with gradually diminishing error-margin using speed reversal at the zero-crossings of positional errors. Experiments undertaken reveal that the steady-state error is reduced to 0.2%. The paper also provides a thorough analysis of the stability of the closed-loop system performance using the Root Locus technique.      

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。     

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...     

基于自发脑电的脑机接口实验研究与设计

针对基于自发脑电信号的脑机接口研究,设计了一种科学的且易实现的运动想象实验范例,利用运动想象脑电作为BCI的控制信号。该实验方案能有效地获得可识别的具有特征性的自发脑电电位,满足脑机接口实验要求,为BCI的研究提供了一种更加自然、更加实用的控制方式。