基于主成分分析和极端学习机的测谎方法研究

为了克服当前基于P300的测谎方法训练时间长、个体识别准确率不够高的缺点,提出了将主成分分析(Principal component analysis, PCA)和极端学习机(Extreme Learning Machine,ELM) 相结合的PCA_ELM测谎方法.该方法使用典型的三刺激测谎范式,记录30名随机划分的撒谎和无辜者在Pz电极上的脑电(EEG)信号, 选择探针刺激响应并对每名受试者的每5个响应波形进行平均,然后对两类信号提取小波特征.PCA被用于对原始特征空间进行特征选择.降维后的特征样本被送到ELM分类器,该分类器学习速度快,泛化能力强,但是对于其隐层节点数的指定一直未有有效的解决方法.我们通过对特征子空间的维数和ELM的隐层节点数进行二维的网格搜索算法,基于交叉验证的方法,对两个参数进行同步优化选择,训练得到最佳参数下的分类模型.实验结果表明,提出的PCA_ELM方法不仅在训测谎准确率上高于当前的广泛使用的分类模型,而且训练时间大大缩短,尤其适合于在线的测谎系统.     

基于P300的脑-机接口: 视觉刺激强度对性能的影响

脑-机接口(BCI)是大脑与外部世界直接的交流通道.为了研究视觉刺激强度对基于P300的脑-机接口性能的影响,设计并实现了一种基于5个选择oddball的P300诱发电位范式的脑-机接口系统,并在此系统中研究2种不同强度下视觉刺激(高强度和低强度)下脑-机接口的信息传输率差异.9名受试者参加了实验,每位受试者在高低2种强度视觉刺激下各采集40组数据,数据在预处理后使用支持向量机进行分类,最终的目标识别率分别为84%和81%.平均波形表明在所设计的范式下2种强度视觉刺激均可以诱发出稳健的P300电位,离线分析表明高强度视觉刺激下平均信息传输率可以达到4.9 bit/min, 而低强度视觉刺激下为 4.5 bit/min.     

利用Fisher判别式和事件相关电位的心理意识真实性识别

提出一种基于Fisher判别式和事件相关电位(ERP)的心理意识真实性识别新方法,以可识别的有意义的个人信息(如姓名、生日)作为被测试信息,应用隐藏信息测试(CIT)模式对15名受试者进行了测试并记录其脑电信号.将多通道ERP P300幅度和受试者的反应时间组成特征参数,利用Fisher判别式进行心理意识真实性识别分类,获得93.3%的平均识别率,明显高于以往研究方法的识别率.因此,基于多通道ERP和Fisher判别式的方法具有无创性及较高识别率等优点,可以作为一种心理意识真实性检测的新方法.     

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.     

核心力量训练对事件相关电位P300影响的实验研究

通过对七周瑞士球核心力量训练前后大脑皮层不同部位（F2、Cz、Pz）P300指标变化的观察评价核心力量训练对脑认知功能的影响．选取体育教育专业健康男大学生24人作为受试对象．核心力量训练组（n=11）采用瑞士球（GoFitSwissBall，75cm）上俯卧撑和瑞士球上仰卧起坐两种方式进行训练；传统力量训练组（n=7）受试者采用地面上俯卧撑和仰卧起坐两种方式进行训练；对照组（n=6）不进行任何相关的专门性训练．力量训练组每周训练3次，每次60min，每个动作持续60S，节拍器控制节奏2s／拍，每种方式做3组，共6组，组间间歇5min，训练周期为7周．采用上海海神医疗电子仪器厂生产的NDI-200（海神号）神经电检诊仪记录并分析受试者在训练前（前测）、训练七周后（后测）安静状态下的视觉事件相关电位P300．采用SPSSl5．0forwindows分别进行了描述性统计和推断性统计．核心力量训练组经过七周的瑞士球核心力量训练后Pz点的P300潜伏期显著性延长（P〈O．05）．传统力量训练组经过七周的传统力量训练后Fz点的P300潜伏期显著缩短（P=0．081）．对照组前后两次测量间P300潜伏期无显著性差异（P〉O．05）．三组中后测与前测相比cz点P300波幅均有极显著性（核心力量训练组，P〈O．01）、显著性（对照组，P〈0．05）或显著（传统力量训练组，P=0．093）增加．传统力量训练组Pz点P300波幅后测较前测显著性增加（P〈0．05）．核心力量训练组cz点、传统力量训练组Pz点、对照组cz点的P300反应时均显著性缩短（P〈0．05）．相对于传统的力量训练而言，核心力量训练中因加入了不稳定因素导致力量训练时注意力分散，从而会降低受试者的认知加工速度和注意力资源投入能力．     

组稀疏贝叶斯逻辑回归的P300信号通道自动选择算法

为了提高脑机接口中P300脑电信号的分类准确率和计算速度,提出一种组稀疏贝叶斯逻辑回归的P300脑电信号通道自动选择算法.该算法首先在贝叶斯框架下建立P300脑电信号的解码模型,其次提出先验的组自动相关确定(GARD)方法构建组稀疏约束下的P300脑电通道权重系数,最后通过最大似然估计来求解超参数并选出P300脑电通道最优子集,避免了大量的交叉验证过程.所提方法在BCI竞赛数据和自采集数据上进行了验证分析.实验结果表明,所提的方法能够自动选择P300脑电通道子集,提高了P300特征分类准确率.     

事件相关脑电位系统研究

使用Microsoft Visual C++6.0为开发工具,并结合已有的脑电采集器,设计实现了一种集诱发、采集和处理于一体的事件相关脑电位(event-related potential,ERP)系统。该系统的主要功能包括提供视觉刺激,实时采集和显示脑电信号,对信号进行预处理和小波多分辨分析,同时系统还解决了传统方法中关于刺激和采集不同步的问题。在刺激模式中,系统提供了两种刺激序列。一种是经典的Odd Ball模式,另一种是等概率模式。最后在实际应用中,通过利用Odd Ball模式对受试者进行视觉刺激,并对采集到的脑电信号经过预处理和小波多分辨分析,最终提取了ERP的P300成分,证明了系统在ERP研究中的可行性和有效性。     

基于ICA和极限学习机的模拟阅读脑电特征分类

为了有效地提取N2-P3成分,利用ICA对脑电数据进行盲源分离,自动提取N2-P3成分;同时为了克服传统方法如支持向量机、神经网络训练时间长、个别识别准确率不够高的缺点,选择极限学习机作为分类器.在模拟阅读实验范式下,记录了7名受试者的脑电数据,利用ICA分别对每名受试者的高维脑电数据进行盲源分离,提取出N2-P3成分,以此作为靶特征,并与非靶特征一起放入极限学习机分类器进行分类.训练得到7名受试者的训练时间和分类准确率,并与支持向量机进行了比较.结果表明:经过ICA特征提取后,使用极限学习机进行分类,该分类器学习速度快,泛化能力强,训练时间大大减少.在分类准确率上,ICA+ELM的分类准确率较传统的最佳单通道+SVM有较大幅度的提升,从后者平均的82.4%提升到了97.7%.     

闪光刺激前后脑电信号的时频多分辨分析

目的:用基于傅立叶变换的时频多分辨分析方法,分别获取脑电信号的4种特征波来研究脑电信号在闪光刺激前后的功率变化.方法:自愿受试者10名,分别对闪光刺激前和闪光刺激后两种状态下的脑电信号进行时频多分辨分析.结果:采用此方法能获得闪光刺激前后脑电信号各成分的频域谱分布,以及功率、带宽等定量信息.结论:本文所采用的基于傅立叶变换的时频多分辨分析可方便用于脑电信号时、频域信息提取,易于获取各个选择频段的信息,特别适宜用于研究与刺激有关的高级神经系统的活动,为视觉生理和临床研究提供了新的方法.     

相干平均单次提取脑-机接口信号

为了实现脑-机接口通信信号的单次提取,基于视觉诱发电位在脑部不同位置的相关性应该比自发脑电信号强这一特点,采用多通道的同步平均信号作为特征,用支持向量机分类算法,对一名受试者200次选择作业的记录进行了分类.结果表明,在仅利用Cz与Pz两个通道的信号叠加平均后,取250～550 ms时段的信号作为分类器的特征值,能达到97%以上的分类精度.这可为简化脑-机接口系统的设计、提高通信速率提供参考.