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。     

脑-机接口技术综述

脑-机接口(brain computer interface,BCI)是在人脑与计算机或其它电子设备之间建立的直接的交流和控制通道,通过这种通道,人就可以直接通过脑来表达想法或操纵设备,而不需要语言或动作.脑-机接口是一种全新的通讯和控制技术.对脑-机接口技术的发展、研究现状、工作原理以及涉及的关键技术进行了较为详细地综述.     

脑-机接口技术的研究概述

通过对脑-机接口技术的工作原理、关键技术及现状的研究，对该技术的发展前景进行了展望．     

基于支持向量机的脑电信号分类方法研究

针对传统支持向量机分类方法在脑电信号处理中存在分类正确率低的问题,将聚类思想与二叉树支持向量机(SVM)结合,构造多类SVM分类器。实验以"BCI Competition 2005"中的Dataset IIIa为例,先对C3/C4导采集的四类运动想象脑电信号应用小波变换进行去噪。再在分析小波包频带划分特点的基础上,利用小波包进行分解与重构,获取相应的能量特征。最后应用改进后的SVM分类方法对特征信号进行分类。结果表明该方法分类正确率,可以达到91.12%;并且有效地减少了分类器的个数,最终达到较好的识别效果。     

骨传导听觉脑机接口技术研究

听觉脑机接口技术为视觉通路存在障碍的闭锁综合征患者提供了与外界交流的新通道.为了使空气传导通路受损的病患也能应用此项技术,本文将声音骨传导方式引入到听觉脑机接口实验研究中.本研究设计了左右耳分别呈现不同声音序列的双耳分听实验范式,对骨传导及空气传导方式所诱发脑电信号进行了特征提取和分类比较.实验结果表明两种传导方式下靶刺激均可稳定的诱发出N200与P300电位,骨传导方式下,N200的幅值较空气传导方式更显著.两种方式都获得较高的分类正确率,均可用于听觉脑机接口系统,且骨传导方式优于空气传导方式.     

基于最小二乘支持向量机的脑电信号分类

研究了基于运动想象脑电信号对大脑的想象运动状态进行分类识别的问题.根据事件相关同步和事件相关去同步现象识别出被试的想象运动状态,通过频带能量特征提取方法获得了想象左右手运动时的脑电信号特征,使用最小二乘支持向量机对提取到的频带能量特征进行分类.结果表明,使用最小二乘支持向量机可以对运动想象脑电信号的频带能量特征进行有效分类,分类正确率达到92%,其分类效果与使用标准支持向量机相当,但在计算速度上更有优势.     

让科幻走进现实——脑机接口技术

<正>科学家们正在积极探索脑机接口技术的实现与应用,而医疗领域将是脑机接口技术的主要用武之地。你有没有想过科幻电影的情节成真？残疾人带着机械臂欢快地唱歌,失去双腿的人在舞台上翩翩起舞,普通人甚至高位截肢患者可以通过意念隔空打字、操控电子屏幕等等。在现代科技飞速发展的当下,以上这些已不再是科幻电影和做梦素材,而是正一步步变成现实,有的甚至已经成为现实。这些神奇的场景都是以一种技术——脑机接口技术(Brain Computer Interface,简称BCI)为基础。     

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。     

脑机接口技术的神经康复与新型应用

 脑机接口（BCI）是脑认知神经科学与工程技术的一种新型人机信息交互方式,可无需依赖常规外周神经肌肉便能实现人意念思维与外界环境和设备的信息交互及操作控制,使“思想”直接变成“行动”,现已成为大脑认知机制解密、智能人机交互开发的全新“窗口”,也是未来人-机交互式混合智能发展的核心。本文综述了脑机接口在助力人工智能的科技背景、研究现状、应用领域及未来发展趋势。     

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。     

基于PSoC脑电信号采集系统

对自由活动大鼠神经信号的采集和处理系统进行了研究设计,主要包括脑电信号采集电极、前置放大和简单的滤波,应用片上可编程系统(Programmable Systen-On-Chip,PSoC)对信号进一步放大、实现AD转换并存储再经SPI总线控制无线发射模块打包发射出去,另一端利用具有全速USB功能的PSoC控制芯片接收信号并传输至计算机。无线采集可以达到让大鼠自由活动(10 m室内)的目的,上位机以图形(G)语言LabVIEW来设计信号显示界面,实现信号显示并对采集的数据做滤波、降噪、小波变换等处理。     

基于遗传算法和概率神经网络提高脑机接口中脑电信号识别率

针对脑机接口（BCI）研究中存在脑电信号（EEG）识别率低的问题,提出一种基于遗传算法（GA）和概率神经网络（PNN）的GA—PNN识别方法．用该方法对EEG提取时频特征,构成模式识别的初始特征．以训练样本识别正确率为适应度函数,采用GA对初始特征进行组合优化．基于优选后的特征,用PNN对测试样本进行分类．该方法使EEG识别正确率达到92．499／5,与2003年BCI国际竞赛最好的处理结果（88．7％）相比,提高近4％,为BCI中EEG的识别提供了有效的手段．     

基于小波变换的脑电信号分析

介绍小波变换的基本概念和Mallat快速小波变换算法，并探讨了小波变换在脑电信号分析中的应用这一课题。实验结果表明，小波变换是检测脑电信号中的瞬态脉冲以及脑电基本节律的有效工具。     

基于多通道脑电信号模型的研究

首先构建基本神经元群落模型,对三种典型脑电波形进行仿真,在此模型基础上,将模型扩展至多动态神经元群落模型和多通道耦合神经元群落模型.在这两种模型研究中,通过改变模型的耦合参数来模拟不同耦合强度、不同耦合方向下的脑电信号,结果表明,通过调整模型中神经元细胞子群振荡器的权重系数,在多动态神经元群落模型中,模型输出的脑电信号更加丰富,可以低至δ波,高至γ波;在多通道耦合神经元群落模型中,随着耦合系数的增加,低频分量更加明显,当系数足够大时会出现低频单一谱峰.通过模拟针刺刺激,也证实耦合系数的增加能够增强脑电信号间的同步性.     

基于卷积神经网络的脑电信号分类

针对现有卷积神经网络脑电信号(electroencephalogram,EEG)分类模型分类精度低、方法复杂且耗时的问题,对卷积神经网络的卷积层进行了改进,提出了多尺度卷积核卷积神经网络(convolutional neural networks,CNN)脑电分类模型,并在输入数据前加了系数矩阵,该系数矩阵可以随网络的训练逐步更新,代替了手工提特征再送入网络的步骤,有助于提高分类精度。最终本文的脑电分类模型在高原脑电信号的分类实验中,二分类准确率比改进前提高8%,三分类、四分类准确率分别达到92.87%、81.15%,分类准确率较高,对脑电信号的分类具有较高的参考价值。     

基于脑电信号的手指动作识别

分类识别技术在脑-机接口的研究中占有重要地位,本文基于在事件相关脑电图中,存在的运动感觉皮层脑电位下降和事件相关非同步现象,运用了一种基于共空域子空间分解的算法,对左右手指动作时的多通道脑电信号进行了特征提取。最后,根据提取的特征进行了手指动作的识别,在对三个人的脑电数据识别中,平均识别率达到了75.6%。     

基于小波变换的脑电信号分析

:介绍小波变换的基本概念和Mallat快速小波变换算法 ,并探讨了小波变换在脑电信号分析中的应用这一课题。实验结果表明 ,小波变换是检测脑电信号中的瞬态脉冲以及脑电基本节律的有效工具。     

基于脑电信号的ILDB情感特征提取算法

近年来,随着信号处理和机器学习技术的快速发展,基于脑电信号的情感识别越来越受到重视。特征提取是情感识别过程中的关键一步。本文提出了改进的局域判别基(Improved Local Discriminant Bases,ILDB)算法,提取信号局域判别基各子空间的能量和系数均值特征构成特征向量,利用SVM分类器进行分类,通过对特征向量类可分性及分类正确率的评估,表明ILDB算法提取的特征具有可分性且分类正确率较高。ILDB算法的通道最高平均分类正确率达到88%,通道最高平均分类正确率比LDB算法提高4.4%和7.2%,所有通道平均分类正确率比LDB算法提高10.1%和9.8%。