稳态运动视觉诱发电位的诱发及在脑机接口中的应用进展

基于稳态运动视觉诱发电位(SSMVEP)的脑机接口(BCI)能够减少使用者的视觉疲劳,但其信号强度和系统性能仍不能代替基于稳态视觉诱发电位(SSVEP)的BCI.本文对提高SSMVEP信噪比的两种思路以及SSMVEP在BCI中的应用进行了综述.首先归纳和总结了影响SSMVEP诱导和性能的3个主要因素,即运动视觉刺激方式...     

T型BCI-代数

本文引入一类新的BCI—代数——T型BCI—代数,从而提供了优BCI—代数新的类,并证明了这类代数的特征性质,这类代数可通过它的子代数进行刻划。     

脑机接口在康复医疗领域的应用研究综述

脑机接口(brain-computer interface,BCI)是在大脑与外部设备之间建立的不依赖于常规大脑信息输出通路(外周神经和肌肉组织)的一种人机交互技术,为肌肉或神经末稍受损的患者提供新的人机交互手段.作为智能康复机器人研究的方向之一,BCI在康复治疗和运动辅助中具有重要的研究价值,并在神经康复、功能假体辅...     

基于复杂网络技术的异步脑-机接口分类系统

脑-机接口(brain-computer interface,BCI)是一种不依赖周围神经和肌肉组织,通过诱发人脑无节律信号(event-related de-synchronization,ERD)/有节律信号(event-related synchronization,ERS)等特征信号实现对外部装置自主控制的系统。针对人群中15%～30%的人存在"BCI盲"问题,即难以诱发出较强的ERD/ERS等特征信号,提出将脑电图(electroencephalogram,EEG)时间序列转换成一个复杂网络,复杂网络的网络测度与大脑意识有关联。结果表明,基于复杂网络构建的相位锁相值(phase locking value, PLV)二值网络可实现异步BCI系统分类,分类正确率最高可达88.60%。可见,基于复杂网络技术的异步BCI系统具有可行性,可作为一种新途径。     

寻找字母E

今天,字母王国里发生了一件惊天动地的大事--字母E失踪了。国王K很为E担心,让其余24个字母一起去寻找它。字母们想了很长时间,也想不出E会去哪儿,决定请教"智慧星"汤姆叔叔。它们走着走着,来到一条小河边。河上没有船、没有桥,字母们相互看看,不知道该怎么办。这时,O对大家说:"我可以充当救生圈,你们抓住我漂过去吧!"另23个字母听了,都拍手叫好。不一会儿,O就把23个字母送到了对岸。     

基于多个伪随机序列调制的视觉脑机接口研究

传统的基于编码调制的视觉脑机接口(BCI)使用一种编码及其移位来调制不同的视觉目标,限制了目标数的增加,因而限制了系统的信息传输率。基于两种不同类型的三个伪随机序列调制实现了一个48个刺激目标的BCI系统。采用两个不同的Golay码和一个近完美序列对目标进行调制,使得每个码的自相关特性和每个码之间的互相关特性都很好,大大提高了刺激目标数。通过模板匹配法对训练数据进行分类识别获得了很高的识别准确率,并和一类支持向量机方法进行了比较。选取了8个受试者进行了实验膜板匹配法的平均识别准确率达到93.49%,证明了这是一种提高刺激目标数的好方法。     

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。     

稳态视觉诱发电位的脑机接口范式及其信号处理方法研究

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。     

混合脑机接口的研究现状及应用

随着多学科的发展,脑-机接口(brain-computer interface,BCI)技术取得了飞速发展,已成为脑科学、神经医学、人工智能等领域的研究热点。多项研究表明,多模态混合BCI(hybrid brain-computer interface,hBCI)比仅使用一种脑电信号(单模态)的BCI拥有更高的识别率和更好的稳定性。针对基于脑电图(electroencephalography, EEG)和肌电图(electromyography,EMG)的hBCI技术的研究现状与应用情况进行了分析与阐述,并总结了近年来EEG和EMG信号处理的主要方法,并针对目前国内外研究现状中所存在的问题,提出了在脑肌电混合BCI方向的潜在创新点,以期促进基于EEG和EMG的混合BCI在实际应用中进一步发展。     

一种基于智能手机与脑-机接口技术的环境控制系统

为帮助重症患者实现与外部环境交流,基于稳态视觉诱发电位原理,将脑-机接口与智能手机相结合,开发一种利用脑电波进行环境控制的智能系统。本系统采用稳态视觉诱发电位技术设计脑-机接口,采用Android系统的智能手机作为控制终端,以FFT算法提取脑电波信号的频率特征,用于目标识别。采用蓝牙技术实现控制终端与被控对象之间无线通信。本系统可以实现:拨打电话、家电控制等功能。针对不同的系统功能进行3组试验,结果表明:本系统的识别准确率最高可达100%,最差准确率达:72.4%.与传统的BCI系统相比,本系统具有可穿戴、移动性好、识别率高等特点。     

基于邻域空间模式的运动相关电位特征提取新方法

模式分类是基于脑电图（EEG）的脑-机接口(BCI)研究的重要环节之一.针对不同的BCI任务,所采用的分类特征和分类算法也不同.其中,运动相关电位（MRPs）现象是BCI想象肢体运动分类算法中的所用到的重要分类特征.针对BCI研究中的采集EEG数据分布复杂,和训练样本不足重要问题,本文提出一种新的MRPs特征提取方法—邻域空间模式 (NSP),利用邻域关系和类别信息,有效提取了分类性能更强的MRPs特征.最后的实验结果证明了NSP算法能更有效提取分类特征.     

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.     

日本新公开3D触觉技术:可“触摸”到虚拟物

<正>如今,3D视觉成像技术能够让人看到逼真的立体画面,但却留下了可望而不可即的遗憾。而近日在日本新公开的一项3D触觉技术则有望在不久的将来让虚拟现实变得"触手可及"。隶属于日本产业技术综合研究所的Miraisens公司日前在筑波市举办的一场媒体预展中公布了一款能"摸"到的虚拟3D成像产品。据物理学家组织网9月2日(北京时间)报道,这项即将进军市场的技术将会有助于提升人们的虚拟现实体验,使人     

对称BCI—代数类是一个BCI—代数簇的充要条件

1980年日本数学家K.Iséki提出这样的问题[1],即一个BCI一代数类是否是一个BCI一代数簇?文[2]中举出一例,说明这个问题的回答是否定的,並指出可结合BCI—代数类一定是BCI—代数簇。本文指出对称BCI—代数类是一个BCI—代数簇的充要条件是可结合的。并得到拟左(右)交错对称BCI—代数类都是BCI—代数簇。并证明了对称     

运动想象脑机接口系统的Petri网建模方法

针对脑机接口(BCI)中的共享控制问题,提出一种BCI系统的Petri网建模方法.首先,将共享控制策略与BCI系统的内外部信息相结合,构建运动想象BCI系统的Petri网模型,描述系统的运行状态,分析和改进共享控制策略.然后,加入控制库所描述系统的外部输入,并通过合成Petri网的方法简化Petri网的建模过程.结果表明:所提方法能够正确地演化BCI系统的运行过程,提高BCI系统的适用性,可用于设计、验证和执行共享控制策略.     

可穿戴式干电极脑机接口系统设计

针对现有脑电设备便携性差的问题,提出了一种基于嵌入式的可穿戴干电极脑机接口(BCI)系统。该系统首先通过干电极配合24位模数转换芯片采集脑电信号,然后使用FIR数字滤波的方法进行3～35Hz带通滤波,最后通过嵌入式处理器进行脑电识别。在识别算法方面,首先对脑电信号进行截断处理,去除视觉刺激延迟以及FIR滤波造成的群延迟;然后采用皮尔逊相关系数法进行在线脑电识别,并分析刺激时长对正确率和信息传输率的影响。实验结果表明:该系统采集信号的平均信噪比为74.86dB,50Hz处共模抑制比为-132.57dB,所用的相关系数法平均识别时间为0.13s,四目标在线稳态视觉诱发电位实验的平均正确率为69.54%。与使用标准典型相关分析(CCA)算法的便携式BCI系统相比,该系统的平均识别时间缩短0.27s,平均正确率提高了10%,可为干电极脑机接口系统应用提供思路。     

关于有限BCI—代数的拟可换性

本文主要对胡庆平在BCI—代数一书中提出的问题“有限的BCI—代数是否一定是拟可换的”给出了肯定的回答,同时还得到BCI—代数定义中公理V可以由前边四条公理推出。     

自由活动动物的脑电信号分析与识别

通过脑电信息识别意识行为并控制外围设备运行的脑机接口(Brain-computer interface,BCI)技术研究已成为神经科学与信息工程技术交叉学科的热点课题,分析行为活动中的脑电特征是BCI研究中的一个重要内容。利用自制金属微电极通过多道生理信号采集处理系统采集大鼠脑电局部放电,提取出与特定行为(抓食)相关的脑电活动特征信号,为大脑对行为的控制研究提供了一个有效的方法。     

阶n≤5有条件(S)的真BCI-代数结构

通过研究有条件(S)的有限BCI 代数结构, 给出了有 条件(S)的一些充分条件与必要条件. 在此基础上, 找出了所有阶n≤5的有条件(S)的真BCI代数, 并将阶n≤5的真BCI 代数按照有条件(S)列成一个表, 以方便查阅.     

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.