异步脑—机接口的空闲状态检测新方法*

提出一种新的空闲状态检测方法,以训练集中各类运动想象样本的类内散度和正确检测率为指标,结合接收机曲线确定分类阈值,设计最佳三分类器,并采用模糊化技术对预测标签进行处理。将该方法应用于2005年BCI竞赛数据IVc,测试的均方误差为0.278 7。实验结果验证了该方法的有效性。     

一种基于人体脑电信号的机械手臂控制系统研究

文章提出了一种基于脑电信号的机械手臂控制系统的设计思路。该系统主要由电极、脑电采集电路、在线检测算法、外设等部分组成。系统采用闪烁刺激使操作者产生基于稳态视觉的诱发电位信号,通过采集电路将信号送入计算机中,由软件对其进一步处理和分析,转换成相应的控制命令控制机械手臂操作。检测算法中解决了脑电信号基线漂移和能量波动问题的困扰。实验显示,系统具有很高的检测实日寸性和准确率。     

脑-机接口用微传感器设计与制造方法研究

神经微传感器是脑-机接口系统中的关键器件,通过对神经组织多个区域进行生物电信号记录和施加电刺激,探索神经系统顽疾的治疗方法。建立了神经微传感器与神经组织相互作用的电路模型;从生理、物理、工程等角度出发,设计了微传感器的机械结构,并确定了探针臂的几何参数;将两片二维电极插接在支撑基板上,并安装隔板加以固定,从而组装成三维结构,能在创伤度最小的情况下实现稳定、可靠的三维测点定位。单通道动作电位检测实验证明：此神经微传感器具有良好的神经信号提取能力。     

基于支持向量机的思维脑电信号特征分类研究

探索一种实用的基于想象运动思维脑电的脑-机接口(BCI)方式,为实现BCI应用奠定比较坚实的理论和实验基础。对6名受试者进行三种不同时段(箭头出现2s、1s和0s后提示按键)情况下想象左右手运动思维作业的信号采集实验,利用小波变换和支持向量机对实验数据进行离线处理。对三种情况下的延缓时间△t0、△t1和△t2分析发现:△t0与△t1和△t2之间都有显著性差别(p<0.05),而△t1与△t2之间没有显著差别(p>0.05);平均分类正确率分别达到68.00%、80.00%和56.67%(p<0.05);实际按键前0.5~1s左右,想象左右手运动的思维脑电特征信号都发生了明显改变。通过合理的实验设计获取的信号有助于识别正确率的提高,为BCI系统中思维任务的特征提取与识别分类提供了新思路和方法。     

Classification of Imagined Speech EEG Signals with DWT and SVM

With the development of human–computer interaction technology, brain–computer interface (BCI) has been widely used in medical, entertainment, military, and other fields. Imagined speech is the latest paradigm of BCI and represents the mental process of imagining a word without making a sound or making clear facial movements. Imagined speech allows patients with physical disabilities to communicate with the outside world and use smart devices through imagination. Imagined speech can meet the needs of more complex manipulative tasks considering its more intuitive features. This study proposes a classification method of imagined speech Electroencephalogram (EEG) signals with discrete wavelet transform (DWT) and support vector machine (SVM). An open dataset that consists of 15 subjects imagining speaking six different words, namely, up, down, left, right, backward, and forward, is used. The objective is to improve the classification accuracy of imagined speech BCI system. The features of EEG signals are first extracted by DWT, and the imagined words are classified by SVM with the above features. Experimental results show that the proposed method achieves an average accuracy of 61.69%, which is better than those of existing methods for classifying imagined speech tasks.     

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.     

基于LabWindows/CVI与Matlab混编的在线BCI系统

基于LabWindows/CVI和Matlab设计一个BCI在线控制系统,对8Hz～30Hz的运动想象脑电信号提取时域均值、中值偏差估计、瞬时能量均值、AR模型参数等特征,应用增量式支持向量机进行分类,实现人脑对虚拟汽车直接控制。系统采用了多线程技术,保证各项工作的同时进行,在CVI中完成脑电数据采集、Matlab调用和控制指令的发送,在Matlab中进行脑电模式识别,两个程序共同完成对虚拟汽车的运动控制。经过实际测试证明,该系统具有操作简单方便、界面友好、可扩展性强、效率和可靠性高等优点,进一步推动了BCI的应用。     

基于移动平台的运动想象脑电分析方法研究

BCI系统的研究,经过二十多年的发展,已经慢慢地走出实验室,面向应用。为更方便对运动功能障碍人士进行帮助,把传统BCI系统移植到移动平台上就显得尤为重要。本文利用AR模型把时域信号转换到频域,然后利用Fisher距离进行特征提取,利用定义的线性分类器进行分类。结果表明,利用本方法能很好地识别三种不同运动想象类型。     

基于ERP信号的目标检测研究综述

目标检测技术应用广泛,现有的基于计算机视觉的目标检测方法由于目标遮挡、光照强弱等因素难以适应复杂场景的需求。而人脑的高级认知能力和快速感知能力在处理复杂情况时具有一定的优势。基于事件相关电位（Event-Related Potentials,ERP）的脑机接口（Brain Computer Interface,BCI）系统与特定事件相关,可检测独立于自发脑电的高级认知活动,是当前人工智能领域的研究热点之一。针对基于ERP信号的目标检测各个环节进行了研究现状的全面归纳,梳理了以快速串行视觉呈现（Rapid Serial Visual Presentation task,RSVP）为主的实验范式,包括呈现模式、目标视场角、目标复杂度等设计因素。总结了脑电信号分析中的预处理方法、特征提取和特征分类算法,介绍了其在人脸识别、军事作战、医学分析等领域中的初步应用。探讨了目前研究中存在的问题和挑战并展望未来的研究方向与应用前景。     

一种基于脑机接口的头盔显示/瞄准系统设计

传统的头盔显示/瞄准系统通过头盔瞄准具将传感器耦合到头盔瞄准线,由传感器产生的图像通过头盔显示器显示给观察者,从而形成闭环系统。提出了一种基于脑机接口的头盔显示/瞄准系统设计,并给出了系统的工作流程与算法设计。仿真表明,该系统具有较高的目标识别准确率、较快的系统响应速度以及良好的人机交互体验,具备深入研究的价值。