摘要：随着虚拟现实技术及脑-机接口技术的快速发展,虚拟现实在认知训练及神经康复等领域得到了广泛的应用,逐渐成为相关领域研究的热点.与传统的认知训练方法相比,应用于神经反馈训练中的虚拟现实技术通过将用户真实的训练环境替换为可定制的沉浸式虚拟环境,在显著降低系统使用成本的同时有效地提升了训练绩效.从虚拟现实技术在神经反馈训练领域的优势和应用出发,分析了神经反馈训练机制,讨论了虚拟现实技术的反馈训练方法;结合神经反馈训练中的虚拟现实技术研究现状,提出诱发更明显的脑电特征、设计个性化训练方案、提高反馈信息的传输速率、提高训练过程的舒适度以及融合多模态脑影像技术是未来的发展方向.

摘要：面向非等概先验概率的实际脑-机接口应用场景,提出了一种基于最大后验准则的稳态视觉诱发电位脑-机接口(SSVEP-BCI)异步检测算法。利用空-时均衡多窗算法并通过引入最大后验准则,设计了一种基于序贯检测的动态窗异步算法,充分利用先验信息以提高异步脑-机接口系统的性能。实验结果表明,相比于传统的空-时均衡多窗算法,所提算法的目标识别准确率和平均实用比特率提升较明显,而平均指令时间和平均虚警率显著减少,验证了所提算法的有效性与实用性。

摘要：基于运动想象(MI)的脑-机接口(BCI)近年来被应用于肢体运动功能的可塑性康复。采用视觉辅助刺激可以有效增强MI-BCI系统的分类性能,但视觉障碍患者无法使用。因此本文设计了基于听觉辅助刺激的ASMI-BCI,发现动态声音辅助刺激可以提高大脑运动相关皮层的兴奋性,增强系统的可分性特征。10名在校大学生(5男5女,平均22.6岁)3类实验范式(C-SW、C-DA、C-DV)的平均结果表明,C-SW范式分类正确率最低、C-DA次之、C-DV范式正确率最高。听觉辅助刺激范式的最优分类正确率可达76.03%,相比传统MI-BCI范式显著性提升了8.83%,且60%的被试使用该范式的分类正确率可高于70%。使用动态听觉辅助刺激范式可以为视觉障碍患者提供一种特征调制和BCI性能增强的新模式、新方法。

摘要：脑电信号的识别与分类是脑机接口技术的热点研究问题,单一分类器不能很好利用特征以及分类器的适应性,导致识别的准确率很难进一步提高,基于线性判别分析的分类决策级融合策略,可用于提高脑-机接口系统的分类准确率。首先,通过分离出两种分类器的假性试验特征,从这两种方法中选择更有可能正确决策提高分类准确性;其次为了测量每个决策的不确定性,使用与所对应分类器的最大和第二大相关系数提取特征向量。基于这一思想,提出了一种新的决策选择器,该方法通过整合两种基于线性判别分析的算法选择更有可能是准确的决策,从而达到提高脑电信号分类准确度。实验结果表明,该方法通过与精度相近的算法相结合在运动想象数据分类上获得了较好的分类准确率。

摘要：近年来基于运动想象(Motor imagery,MI)的脑-机接口(Brain-computer interface,BCI)技术迅速发展,广泛运用于各个领域。为了比较运动执行(Motor execution,ME)与MI脑电活动的差异,本文提出一种基于脑电信号(Electroencephalogram,EEG)时频域分析的方法。通过设计视觉诱导的上肢ME与MI对照实验,对被采集的10名健康被试的EEG数据进行预处理,并提取各波段特征值,最后分析ME与MI各波段功率值和同一波段功率差值。结果显示,MI过程alpha波为优势波,ME过程delta波为优势波。与MI相比,ME中alpha波呈下降趋势,delta波呈上升趋势。本研究结果表明,ME与MI的脑电活动有明显差异性,为进一步提高基于MI的BCI系统的实时性和普适性提供了理论和数据支撑。

摘要：为了增加主动式脑-机接口(BCI)指令集的数量,提出了一种基于运动想象和言语想象的时序编码实验范式。通过将1个运动想象和1个言语想象分时序进行,获得了4类想象方式:运动想象;言语想象;先运动想象再言语想象;先言语想象再运动想象。针对上述实验范式的脑电信号设计一种基于注意力与多尺度神经网络(AMEEGNet):首先通过1个空洞卷积和3个不同大小尺度的二维卷积提取信号的鲁棒性时间表示;然后使用深度卷积和可分离卷积提取空间特征和频域特征;此外,在模型中添加挤压激励模块,以自适应提取具有高分类精度的特征;最后采用一个具有全连接的网络层进行分类。该模型在拥有4类想象的时序编码实验数据集上获得了71.1%的平均准确度,且在同一数据集上EEGNet、MMCNN、Shallow ConvNet、TSGL-EEGNet分别取得57.9%、60.5%、68.3%、68.4%的精度,可见所提模型识别准确率最高。

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：为了研究如何从无创运动相关脑电中提取运动信息作为上肢主动康复训练的控制命令,通过设计实验,使右手完成左、上、右3个方向的运动,同时采集脑电数据和右手运动信息.通过小波时频分析确认与右手运动相关的脑电频带,并提取其小波分解系数作为特征,采用支持向量机进行特征分类,根据方向识别准确率分析提取特征的有效性.结果表明,运动脑电delta和theta频段的小波系数特征可以有效区分右手不同方向的运动,方向识别准确率的均值接近65%,并且用准备阶段特征分类的结果普遍优于运动阶段特征,因此,在手运动之前诱发的脑电活动含有丰富的运动信息,可用于脑-机接口系统提取上肢主动康复训练的控制命令.

摘要：在基于头皮脑电(EEG)信号的脑-机接口(BCI)研究中,用户个体差异性和背景噪声的复杂性是影响BCI系统稳定性的两个主要因素。因此需要针对不同个体进行BCI系统参数优化,其中包括对时域、空域滤波器参数的优化设计和分类器参数的学习。本文以提高BCI系统的准确性为目标,提出了一种结合独立分量分析空域滤波器(ICA-SF)优化设计和EEG多子带特征的BCI信息处理新方法。基于所提方法,对4位受试者在不同时间采集的三类运动想象EEG(MI-EEG)进行分析。实验结果表明,在同一受试者的自交叉测试和不同受试者数据集之间的互交叉验证中,多子带特征结合方法所得到的平均识别率比仅使用单频带所得的平均识别率普遍提高,识别率最大提升可达6.08%和5.15%。

摘要：设计了一种基于混合视线一脑机接口与共享控制的人一机器人交互系统,以使得用户可通过视线和意念对机器人末端在2维空间进行连续的运动控制,并在避障和趋近目标的任务中获得机器智能的辅助.首先,按照用户运动意念的强度对机器人末端的运动速度大小进行等比例连续调节,以提高用户对机器人的控制感以及完成任务的参与性.然后,提出了机器人末端运动方向的一种共享控制策略,动态地融合基于视线追踪技术所得到的用户方向控制指令以及由机器人避障和趋近目标的行为设定所得到的机器人系统方向控制指令,自适应地调整机器人系统对用户的辅助力度,以减轻用户脑力负荷,提高任务完成成功率.最后,针对搭建的基于混合视线-脑机接口和共享控制的人-机器人交互平台,通过实验验证了所提系统的有效性.