论文部分内容阅读
过去的二十年中,得益于传感器、计算机、通信等领域技术水平不断提升,脑-机接口技术也实现了跨越式发展。稳态视觉诱发电位(Steady-State Visual Evoked Potential,SSVEP)脑-机接口(Brain-Computer Interface,BCI)以其非侵入式、高信息传输速率、易于训练、相对低成本特性备受人们青睐。目前,SSVEP-BCI已经能够实现高达325.3 bits/min的信息传输速率,但是在其他方面,现有SSVEPBCI系统却仍不能很好满足实际应用需求。本文以SSVEP-BCI为主要研究对象,从完善信号建模,降低训练成本,扩大适用人群以及实现高性能可靠异步化系统等几个方面展开研究,通过技术手段提升SSVEP-BCI的实用性。在信号建模方面,本文为脑电信号背景噪声构建了一套数学模型,并提出了一套针对其空-时相关特征的均衡优化方法。该方法可以有效抑制背景噪声的空-时相关性,从而提升脑电诱发电位检测效率。实验研究表明,在P300数据集中,应用空-时均衡预处理方法后,相关检测及xDAWN+BLDA(Bayesian linear discriminant analysis)算法的性能均有了显著提升。在SSVEP数据集中,应用空-时均衡预处理方法,典型相关分析算法平均信息传输速率从76.0 bits/min提升至87.3 bits/min,多重同步索引算法平均信息传输速率从76.7 bits/min提升至91.3 bits/min。在降低训练成本,扩大适用人群方面,本文针对SSVEP-BCI提出了一种无需训练的空-时均衡动态窗同步识别算法。它能够在保持识别正确率的条件下,自适应控制刺激时间,从而显著提升信息传输速率,并且增强了系统对不同受试者的适应性。在Benchmark SSVEP dataset数据集和包含有16名受试的离线数据集中进行的离线分析显示,空-时均衡动态窗算法在准确率及信息传输速率方面都优于FBCCA(Filter Bank Canonical Correlation Analysis)等4种算法。同时,在线实验也显示空-时均衡动态窗算法可以有效扩大SSVEP-BCI系统适用人群。在系统异步化方面,本研究设计并实现了一套SSVEP-BCI空-时均衡异步系统,它基于统计检验-拒绝判决准则,能够根据受试者脑电信号状态,自适应决策是否发出控制指令。包含有40个目标的在线实验中,14名受试者平均实现了97.2%的识别准确率以及106.3 bits/min的信息传输速率。240s静息态检测中,14名受试者中有8名受试者实现0虚警次数。在首位渐冻症患者试用中,268次字符输入实现了91.4%平均输入准确率,等效信息传输速率47.8 bits/min。该系统具有无需训练,识别精度高,识别速度快,适用人群广泛等特点,已经能够初步满足渐冻症患者与外界交流沟通的需求。