在线BCI高速数据流的可预测并发实时传输

作     者：李世杰 陈书立 李亚萍 胡航航 张利朋 逯鹏 LI Shi-jie;CHEN Shu-li;LI Ya-ping;HU Hang-hang;ZHANG Li-peng;LU Peng

作者机构：郑州大学电气工程学院郑州450001 

基　　金：国家自然科学基金资助项目(60841004 60971110 61172152) 郑州市科技攻关(112PPTGY219-8) 河南省青年骨干教师计划资助项目(2012GGJS-005) 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2015年第32卷第3期

页      码：794-799页

摘      要：基于多分类运动想象的在线BCI(brain computer interface,脑机接口)中,如何实时处理高速EEG(electroencephalogram,脑电)数据流是实现在线意识识别的难点,其关键是高速计算和复杂情况下的预测问题。以线程并发作为解决高速计算问题的切入点,首先将EEG信号分析任务分解为多个线程子任务,并通过缓冲区管理策略解决线程并发带来的协同问题,针对高速EEG数据流的复杂变化问题,采用自适应单向模糊推理的方法预测数据流伸缩变化,并针对线程并发造成的中间结果的错序问题,设计信号量互斥与同步方法对中间数据块进行顺序重组。针对多名受试者的大量实验显示,单次Trial平均延迟时间明显减少。因此,线程并发和模糊推理能够解决在线BCI系统的高速计算和预测问题,从而提高信息传输率。

主 题 词：在线BCI 高速EEG数据流 并发 自适应单向模糊推理 生产—消费协同 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1001-3695.2015.03.035

馆 藏 号：203402718...