摘要：针对基于稳态视觉诱发电位(SSVEP)的脑机接口系统,该文开展了屏显刺激界面元素尺寸和间距对识别效率和用户体验影响的工效学实验研究。该工效学实验使用红色正方形作为频闪刺激元素,刺激元素位于上、下、左、右等4个位置,自变量包含尺寸和间距两个因素。因素1为尺寸即正方形边长,分为100px,150px,200px3个水平;因素2为间距即元素中心与界面中心的垂直/水平距离,分为200px/400px,300px/600px,400px/800px3个水平。因变量为任务的完成时和失败次数。实验后开展主观评价,基于ISO 9241可用性标准,使用李克特7分量表对界面的满意度进行评分。工效学实验结果显示:元素尺寸对识别效率有显著影响,边长尺寸为200px的刺激元素识别效率最高,元素间距对识别效率没有影响。主观评价结果显示:元素间距对用户满意度有显著影响,刺激元素的紧凑(200px/400px)或疏远(400px/800px)都会导致满意度的下降,300px/600px间距水平的满意度最好,尺寸对用户满意度没有显著影响。该研究从设计工效学角度出发,发现了刺激界面元素尺寸、间距分别对脑机接口系统效率、用户满意度具有影响,研究结论对于规范脑机接口界面设计,提升脑机接口系统效率有重要的指导意义和借鉴价值。

摘要：针对稳态视觉诱发电位(SSVEP)脑机接口(BCI)系统对计算机性能要求较高的问题,提出一种以现场可编程门阵列(FPGA)和商用脑电采集设备为核心的SSVEP-BCI系统。该系统通过FPGA独立的显示模块,实现了视频图形矩阵(VGA)接口的控制;按照显示刷新帧的方式分配闪烁频率对应的范式图案,实现了诱发SSVEP信号所需范式的稳定显示。通过实验对所设计的VGA视觉刺激器光闪烁频率进行采集分析可知,视觉刺激器范式显示频率与所设计的频率基本一致,可用于SSVEP诱发实验。结合所设计的视觉刺激器,完成了基于FPGA的脑电信号处理和特征识别。设计方案使用串口将脑电信号传输到FPGA端,采用快速傅里叶变换分析频率成分,对视觉刺激器对应的频率进行分析比较,最终通过实验对系统进行验证。结果表明:设计的系统在4个刺激目标和单次实验时长2 s的情况下,实现了平均85.25%的识别正确率,表明系统能够实现SSVEP信号的诱发和有效识别,并且能够达到较好的效果。

摘要：脑机接口(BCI)能够在大脑与外部环境之间建立一种不依赖于外周神经或肌肉的交流与控制通道,有助于恢复运动障碍者的生活自理能力,是当前神经工程领域最活跃的研究方向之一。其中,稳态视觉诱发电位(SSVEP)脑机接口因信息传输率(ITR)高、所需训练少而备受关注。现有的无创高通讯速率脑机接口系统主要是来自于或基于SSVEP。近年来,为进一步提高脑机接口性能,整合SSVEP与其他类型输入信号的多模态脑机接口逐渐成为脑机接口研究的新趋势。从输入信号类型、实验范式和信号融合等方面,综述结合SSVEP的多模态脑机接口研究进展,帮助相关研究者理解该领域研究动态,以启发高通讯速率脑机接口系统的设计与实现。同时探讨目前结合SSVEP的多模态脑机接口存在的问题和未来可能的发展趋势,以期推动结合SSVEP的多模态脑机接口技术的发展。

摘要：在概述国内外稳态视觉诱发电位脑机接口技术研究的基础上,针对传统稳态视觉诱发电位(SSVEP)在脑-机接口(BCI)系统应用中存在的问题,在范式设计方面,分别提出了基于牛顿环、高频组合编码和幅值调制的SSVEP的3种BCI范式。针对脑电信号微弱、辨识困难的问题,提出了基于随机共振机制的稳态运动视觉诱发电位增强方法;针对高频组合编码稳态视觉诱发电位(CCH-SSVEP)新范式响应信号的非平稳、弱信号特征,提出基于改进的希尔伯特黄变换的CCHSSVEP响应信号处理方法,提高了识别率。在系统应用方面,将牛顿环运动刺激范式与运动场景相结合,设计了场景结合导航技术,相对于传统方法,将刺激目标关联具体的物理位置,导航效率显著提升,将运动场景与刺激目标结合的所见即所得的方式提升了用户预选目标效率以及路线规划能力,同时也有利于用户集中注意力,提高脑电信噪比。最终,将该技术成功地应用于残疾轮椅的脑电导航控制中,取得了令人满意的效果。

摘要：为实现低噪声、高质量的脑电信号传输,增强稳态视觉诱发电位(steady-state visual evoked potentials,SSVEP)脑机接口系统的应用能力,本研究设计了一种高效的SSVEP信号预处理滤波方法,用于去除伪迹与信号漂移。首先,本研究基于前期研究的含噪数据,进行了离线分析验证,并使用网格搜索方法,优化各滤波环节中的参数设定;然后,设计了38个刺激目标的拼写器,并纳入20名健康受试者进行在线分析。结果表明,在2、3 s时间窗下,经预处理滤波后的信号分类准确率分别提升了8.88%与6.66%,信息传输速率分别提升了19.59%与10.5%。此外,将受试者分为初试组与经验组,并进行配对单因素方差检验,证实两组准确率具有显著差异(P_(2s_acc)=0.02,P_(3s_acc)=0.028)。本研究的预处理滤波方法可高效去除SSVEP信号在时域与频域中的伪迹与噪声,提高分类识别的准确率,能够对其他范式脑机接口的信号预处理工作提供参考。

摘要：近年来研究者们将基于稳态视觉诱发电位(SSVEP)的脑-机接口(BCI)系统与增强现实(AR)技术相结合,以提升BCI系统的灵活性和便携性,但基于传统SSVEP范式的AR-BCI普遍性能偏低。本研究利用AR设备对双眼分别进行投影的特点设计了一种双眼异频编码SSVEP范式,通过对左、右眼分别进行不同频率的编码提高SSVEP编码的信息量。共采集了14名被试的数据,采用任务相关成分分析(TRCA)算法进行SSVEP识别,对比双眼异频编码和双眼同频编码SSVEP范式在AR环境下的性能,分析两种编码下SSVEP的频域特征、信噪比和功率谱熵。双眼异频编码采用1、2、3 s脑电数据的平均分类正确率分别为90.9%、93.9%和95.0%,双眼同频编码采用1、2、3 s脑电数据的分类正确率分别为81.1%、87.8%和90.2%。当时间长度小于等于1 s时双眼异频编码刺激的分类正确率显著高于双眼同频编码刺激(0.5 s:t(13)=4.562,P0.05,Cohen′s d=-0.271),但其功率谱熵显著高于双眼同频编码(t(13)=-2.968,P<0.05,Cohen′s d=-0.793)。本研究表明,与传统双眼同频编码SSVEP范式相比,采用双眼异频编码能够提高AR-BCI系统的性能。

摘要：针对视觉脑机接口应用过程中,刺激目标数量多且面积小时视觉响应不强,被试者疲劳时难以将注意力集中在同等大小刺激目标上的问题,设计了一种基于眼动追踪和视觉目标动态可调的脑机接口系统。该系统利用TCP/IP传输协议实现眼动信号和脑电信号的同步采集,并将眼动信号以视觉反馈的形式实时呈现在刺激显示界面,即有提示被试者视线落点位置以便集中注意力到目标刺激上的作用,起到控制目标刺激大小的作用。该系统结合了眼动追踪快速高效和稳态视觉诱发电位脑机接口(SSVEP-BCI)频谱稳定、信噪比高等优势,眼动反馈信号快速调控刺激目标增大并吸引被试者注意,以激发更高的脑电响应和提升识别正确率。将无眼动反馈刺激目标动态可变、无眼动反馈刺激目标不变作为对照组进行实验,结果表明:有眼动反馈目标动态可变的脑机接口系统能比无眼动反馈目标动态可变、无眼动反馈目标不变系统在更短的时间窗内达到80%以上的识别正确率,且具有更高的脑电响应幅值;在3 s时间窗内,有眼动反馈目标动态可变的脑机接口系统的平均识别正确率为92.97%,脑电响应幅值为1.824μV,高于平均识别正确率为88.39%及脑电响应幅值为1.379μV的无眼动反馈目标动态可变系统,且高于平均识别正确率为79.48%及脑电响应幅值为0.987μV的无眼动反馈目标不变系统,这表明有眼动反馈且刺激目标动态可调的脑机接口系统具有更好的识别效果且能诱发更高的脑电响应,工作性能更好。

摘要：为了设计出更适合的脑机接口,本文对基于稳态视觉诱发电位的概念进行了阐释,着重介绍了SSVEP信号原理与基础。对传统的三种刺激方法进行了简述,并最后选用LCD显示器实现简单闪烁刺激进行实验,采用正弦编码的方法对目标方块的灰度值进行调制,最终完成在线SSVEP-BCI系统设计。

摘要：针对稳态视觉诱发电位(steady state visual evoked potential,SSVEP)范式下脑电信号(electroencephalograph,EEG)信噪比低、限制其识别正确率提高及脑-机接口应用等问题,根据EEG随机性、近似平稳的特点,提出了用于SSVEP特征频率提取的同步压缩短时傅里叶变换方法。该方法利用短时傅里叶变换对EEG进行时频分析,并通过同步压缩变换对时频平面的能量在频率方向进行重新分配,获得频率曲线更加集中的时频表达;同时为提高EEG信噪比,提取SSVEP脑电中特征频率附近信号进行重构,并利用典型相关分析进行分类识别,有效提高了最终识别正确率。仿真和实验结果表明,该方法极大地提高了信号的信噪比,具有良好的抗噪声性能和信号提取精度,且与传统的经验模态分解和常规滤波方法相比,该方法平均识别正确率最多分别提高了9.98%和4.38%,平均信息传输率最多分别提高了7.57bit/min和2.69bit/min,有效提高了SSVEP范式下脑-机接口的工作性能。

摘要：针对注意力脑电信号的多分类研究、脑机接口系统的实验范式扩展等问题,设计了一种基于稳态视觉诱发电位(SSVEP)和注意力脑电的混合脑机接口系统.首先,对注意力脑电的多级分类进行探索,设计了融合空间注意和脑力任务的注意力范式,改善注意力脑电的分类性能.脑机接口实验中,使用α波阻断信号实现SSVEP和注意力诱发界面的切换;SSVEP信号用于控制机器人的运动;注意力分级用于改变机器人的运动速度.实验招募了10名被试进行脑机接口系统的实验,实验结果显示,注意力信号的三分类正确率达78.2%;被试控制机器人到达目标位置的正确率可达100%.