基于脑电的脑机接口刺激系统的研制

脑机接口(BCI)是在人脑和外界之间建立不依赖于常规大脑信息输出通路的一种通讯系统.脑机接口刺激系统的作用是通过对受试者施加一定的外界刺激来诱发具有一定特征的脑电波.本研究基于多种刺激模式的脑机接口视觉刺激器,采用计算机编程,在计算机屏幕上实现了基于VEP、P300、想象运动的3类刺激模式.该系统能够通过特定的刺激从而有效地诱发出可识别特征的脑电信号,采用XML技术使得该刺激系统具有较强的可扩展性,可以满足脑机接口实验的需要.     

基于脑电的无创脑机接口研究进展

 脑机接口在脑与外部环境之间建立一种全新的不依赖于外周神经和肌肉的交流与控制通道，从而实现脑与外部设备的直接交互。脑电因具有非侵入式、易于使用及设备价格低廉等特点而被广泛应用于脑机接口。本文回顾了基于脑电的无创脑机接口的研究历史，从脑机接口的类型、应用及面临的挑战3个方面综述了脑机接口的研究现状，并展望了脑机接口的未来发展前景。     

脑机接口技术研究方法

脑机接口（BCI）是一种基于脑电信号实现人脑与计算机或其他电子设备通讯和控制的系统，它不依赖人体的外周神经神经系统及肌肉组织，是一种新的人机接口方式，在康复医学和控制等领域有应用前景，近年来，脑机接口技术发展迅速。概述了采用事件相关电位P300、稳态视觉诱发电位（SSVEP）、事件相关同步或去同步9ERS／ERD）皮层慢电位（SCP）、自发EEG信号、植入电极等实现脑机接口技术的研究方法，讨论和比较了各种研究方法的特点和局限，介绍了脑机接口的发展现状和存在的问题，并对其应用前景进行了展望。     

2018年脑机接口研发热点回眸

 脑机接口提供了人脑与外部设备之间的直接通信通道,它的独特之处是不依赖于外周神经和肌肉组织。近年来,脑机接口领域发展迅速,脑机接口研究正在不断扩展,其应用范围也在不断扩大。本文综述了2018年脑机接口领域在系统应用与关键技术方面所取得的重要研究进展,展望了脑机接口智能化、移动化的发展新趋势,并提出脑机接口伦理风险的新思考。     

基于概率协作表示的运动想象脑电分类算法

在脑机接口的研究中，针对运动想象脑电信号的特征识别，提出了一种基于概率协作表示的分类方法（probabilistic collaborative representation based classification, ProCRC），通过比较测试样本在每个类别中的最大可能性，从而确定其所属的类别。采用BCI竞赛数据库Ⅲ中的数据集Ⅰ，利用S变换进行特征提取，然后对不同的分类器进行比较，以分类准确率作为评价标准验证了该算法的有效性。该算法的分类准确率能够达到90%,为脑机接口系统分类算法的研究提供了新思路。     

基于视觉双特征的并行联合脑-机接口范式的研究

基于多特征的并行联合脑-机接口与单一特征脑-机接口相比,能利用更多信息和并行方式提高特征提取和系统执行效率。提出了一种基于稳态视觉诱发电位(SSVEP)和运动起始视觉诱发电位(MVEP)的双特征并行联合脑-机接口范式,通过设计3×3字符拼写范式,矩阵中纵列白色竖条按设定频率闪烁诱发SSVEP,横行中白色竖条随机运动诱发MVEP。实验表明,被试者关注目标字符时,两种特征脑电信号被同时诱发出来,并且对两种脑电信号进行特征识别能够检测出被试者选取的目标字符。联合范式并行的刺激编码方式有效节约了刺激诱发时间,为构建更为实用的联合脑-机接口提供了一种实现方法。     

视觉诱发电位脑机接口关键技术研究

脑机接口（brain—computerinterface,BCI）是近10年发展起来的一种新颖的人机接口方式．它是不依赖于脑的正常输出通路（外周神经系统及肌肉组织）的脑机（计算机或其它装置）通讯系统．脑机接口的一个重要用途不仅为那些思维正常但有严重运动障碍的患者提供语言交流和环境控制途径,还在工业、航空、军事等领域也有潜在的应用价值．本文介绍了基于视觉诱发电位脑机接口的工作原理,从系统设计、数据获取及处理方法等方面论述了脑机接口设计中的关键技术,最后指出了视觉诱发电位脑机接口存在的主要问题和发展趋势．     

基于傅里叶变换的脑机接口系统实现方法

脑机接口系统要求实时的处理速度和较高的准确识别率.在对脑电信号进行幅频分析和相同步分析的基础上,提出一种意识任务识别在线脑机接口系统实现方法.提取谱峰和相同步相干性指数作为反映大脑运动意识任务状态的特征参量,设计基于信息积累的时变线性分类器,对左右手想象意识任务进行识别,获得了满意的结果,最大分类正确率达到90.72%.研究结果表明,谱峰特征是事件相关去同步/同步的一个敏感的量化参数,结合相同步相干性指数能够提供更多反映大脑意识任务状态的信息.该方法采用快速傅里叶变换和线性判别式分析,特征提取和分类算法简单,计算速度快.为在线脑机接口系统的实现提供了新的思路和途径.     

视觉诱发电位脑机接口关键技术研究

脑机接口（brain—computerinterface,BCI）是近10年发展起来的一种新颖的人机接口方式．它是不依赖于脑的正常输出通路（外周神经系统及肌肉组织）的脑机（计算机或其它装置）通讯系统．脑机接口的一个重要用途不仅为那些思维正常但有严重运动障碍的患者提供语言交流和环境控制途径,还在工业、航空、军事等领域也有潜在的应用价值．本文介绍了基于视觉诱发电位脑机接口的工作原理,从系统设计、数据获取及处理方法等方面论述了脑机接口设计中的关键技术,最后指出了视觉诱发电位脑机接口存在的主要问题和发展趋势．     

脑-机接口中脑波的拾取及滤噪的研究

脑-机接口（BCI）是在人脑和计算机或其他电子设备之间建立的一种直接信息交流和控制通道,是一种不依赖于常规大脑输出通路（外周神经和肌肉组织）的全新信息交流系统．BCI作为一种全新的信息交换与控制技术,将能为瘫痪病人,特别是那些丧失了基本肢体运动功能但思维正常的患者,提供一种与外界进行信息交流与控制的新途径,正受到越来越广泛的关注．脑-机接口中脑波的拾取及滤噪是其重要的环节,本文对脑-机接口中拾取脑波及干扰克服的方法进行了研究和分析．     

脑-机接口中空域滤波技术现状与进展

作为一种特殊的人-机交互模式,脑-机接口(brain-computer interface,简称BCI)技术已成为当前脑科学和智能信息处理领域的研究热点.其中,基于头皮脑电(electroencephalography,简称EEG)的BCI(EEGBCI)技术因具有良好的安全性和可操作性,吸引了研究者的广泛关注.但头皮EEG非常有限的空间分辨率和易受干扰等特性,很大程度上限制了EEG-BCI技术的实用化进程.因此,EEG信号处理和模式识别新方法研究已成为BCI领域的一个关键问题.在现有的信号处理方法中,空域滤波技术在EEG伪迹消除和任务相关神经活动获取方面表现出了较明显的优势,近年来在EEG-BCI系统实现研究中得到了广泛应用.论文以运动想象BCI(motor imagery BCI,简称MIBCI)为应用背景,对独立分量分析(independent component analysis,简称ICA)和共同空间模式(common spatial pattern,简称CSP)两种代表性空域滤波方法的原理及其性能进行介绍、分析和比较,总结出两种方法各自的优势和不足,并给出了改进思路.同时指出,ICA空域滤波方法在运动想象脑-机接口系统实现中更具应用潜力.     

基于编码调制视觉诱发电位脑机接口滤波算法的性能比较

脑机接口(brain-computer interface,BCI)的分类性能一定程度上取决于对脑电信号的预处理方法,这项研究提出了一种空域时域滤波的预处理方法,以解决人类视觉系统中的潜伏延迟对编码调制视觉诱发电位(c-VEP) BCI的目标识别性能的影响。基于一个平均信号和单次试验信号之间的最小均方误差(the least mean square error,LMSE)创建时域空域滤波器,并且通过最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)将稀疏约束应用于滤波器的权重系数,并用模板匹配法来对目标进行识别。将算法应用于由63比特的M序列及其循环移位序列调制的16个目标的c-VEP BCI,并与通用的空域滤波算法典型相关分析(CCA)及空域时域逆滤波算法进行比较。结果表明本研究所提出的算法在分类准确率方面优于其他两种算法。     

Asynchronous Brain-Computer Interface Shared Control of Robotic Grasping

The control of a high Degree of Freedom(DoF) robot to grasp a target in three-dimensional space using Brain-Computer Interface(BCI) remains a very difficult problem to solve. Design of synchronous BCI requires the user perform the brain activity task all the time according to the predefined paradigm; such a process is boring and fatiguing. Furthermore, the strategy of switching between robotic auto-control and BCI control is not very reliable because the accuracy of Motor Imagery(MI) pattern recognition rarely reaches 100%. In this paper, an asynchronous BCI shared control method is proposed for the high DoF robotic grasping task. The proposed method combines BCI control and automatic robotic control to simultaneously consider the robotic vision feedback and revise the unreasonable control commands. The user can easily mentally control the system and is only required to intervene and send brain commands to the automatic control system at the appropriate time according to the experience of the user. Two experiments are designed to validate our method: one aims to illustrate the accuracy of MI pattern recognition of our asynchronous BCI system; the other is the online practical experiment that controls the robot to grasp a target while avoiding an obstacle using the asynchronous BCI shared control method that can improve the safety and robustness of our system.     

基于半自主导航与运动想象的多旋翼飞行器二维空间目标搜索

提出一种脑-机接口系统实现多旋翼飞行器室内二维空间目标搜索.系统由半自主导航与决策子系统组成.半自主导航子系统用于为决策子系统提供可行飞行方向并实现多旋翼飞行器半自主避障.决策子系统采用互相关方法与逻辑回归方法完成运动想象的脑电特征提取与分类.实际的室内目标搜索实验验证了使用该系统是可行且有效的.相比其他方法,减少了被试者负担,降低控制难度,控制精度约提高 ±10 cm.     

脑机接口技术发展新趋势——基于2019-2020年研究进展

 脑机接口旨在通过直接从大脑信号中实时解码用户意图来为辅助设备提供丰富、强大的命令信号。近年来，脑机接口技术的理论和实际应用的研究进展迅速，技术日趋成熟，其应用领域也在不断扩大。概述了2019-2020年脑机接口领域在硬件、算法、范式、应用等方面取得的重要研究进展和发生的热点事件，展望了未来脑机接口技术的发展趋势。     

采用Fisher线性判别分析进行MEG信号的分类

脑磁图(MEG)具有比脑电(EEG)信号更高的时空分辨率,可以作为输入信号建立脑-机接口系统.提出一种脑磁图的特征提取和分类方法,首先对MEG信号进行预处理,然后提取时域特征,最后采用Fisher线性判别分析进行分类.将该算法用于2008年脑-机接口数据竞赛的数据集Ⅲ,该数据集为一个典型的采用MEG信号的脑-机接口系统.离线分析结果表明,该算法取得了很好的分类准确率,对两个测试者(S1和S2)的分类正确率分别为5946%和4324%.与其他方法相比,该方法简单有效,运算速度快,具有较高的参考价值.