论文部分内容阅读
脑-机接口(Brain-Computer Interface,BCI)技术发展迅速,特别是基于稳态视觉诱发电位(Steady-State Visual Evoked Potential,SSVEP)的无创BCI系统已经能够实现非常高的信息传输速率。但SSVEP-BCI需要借助显示设备呈现视觉刺激,最常用的显示设备为计算机屏幕,因其难以实现可穿戴而限制了BCI的便携性。同时,由于用户需要将注意力集中在屏幕中的视觉刺激上,也限制了用户对周围环境信息的获取,导致交互不自然。将增强现实技术(Argument reality,AR)与BCI结合形成AR-BCI有望解决这些问题,实现更便携、更自然的脑-机交互。首先,本论文设计了一种AR-BCI系统,并研究了不同算法对系统识别正确率和信息传输速率的影响。采集AR环境下的SSVEP脑电数据分析发现,带模板的滤波器组典型相关分析算法在AR-BCI系统中识别能力较强,利用1 s、1.5s、2 s长的脑电数据分别可以实现87.7%、95.4%、97.6%的平均识别正确率和64.6bit/min、62.9 bit/min、55.6 bit/min的信息传输速率。其次,本论文进一步设计了AR-BCI控制机械臂抓取物体的实验系统,以验证AR-BCI在实际应用场景中的性能。结果显示,在1 s EEG数据的条件下实现了81.2%的识别正确率和35.8 bit/min的信息传输速率,完成抓取放置任务平均需要21.3个指令,平均耗时63.9秒。尽管复杂动态背景环境对AR-BCI系统识别正确率有一定影响,但本研究设计的AR-BCI与已有文献中报道的结果对比具有更高的识别正确率和信息传输率。最后,本论文提出了连续闪烁SSVEP-BCI的视觉刺激方法、模板提取和识别方法。并基于计算机屏幕进行了连续SSVEP-BCI的可行性验证,之后在AR环境中分别进行了间断闪烁和连续闪烁SSVEP-BCI控制无人机对照实验。实验结果显示,连续闪烁和间断闪烁SSVEP-BCI在AR环境下分别实现了49.1bit/min和41.2bit/min的信息传输速率,平均每分钟输出正确指令分别为27个和18.7个。表明本研究提出的连续闪烁SSVEP-BCI方法能够有效提升AR-BCI系统的性能。总之,本论文构建了一种AR环境下的SSVEP-BCI系统,通过对比不同解码算法优化了系统性能、进行了实验验证,并提出了高速连续闪烁SSVEP-BCI的改进方法。论文研究结果为实现便携、自然的高性能脑机交互提供了新思路。