论文部分内容阅读
人类社会决定了个体无法脱离群体而独行,这是人的社会性体现,个体发展的结果必然是向群体靠拢。脑-机接口(Brain Computer Interface,BCI)作为人与外部环境交互的新途径,研究已经趋于成熟,常见的BCI包括:运动想象(Motor Imagery,MI)、运动视觉诱发电位(motion visual evoked potentials,mVEP)和稳态视觉诱发电位(Steady-State Visual Evoked Potential,SSVEP),然而当前的脑机接口大都基于单体系统来实现,重点关注单个被试和机器间的交互,这脱离了人具有参与群体竞争合作行为的本质属性。在脑机接口所使用的信号中,自发MI无需刺激但信噪比低,诱发mVEP、SSVEP特征明显但易视觉疲惫。本文综合利用三种单模态系统的优势,提出了一种集成MI、mVEP、SSVEP的群体脑-机接口系统。它能够根据被试的特点,为被试提供不同信号形式的脑机接口控制模式,从而实现多名用户同时对外部设备的协同、竞争控制,可以激发用户的参与性和积极性,实现群体意义上的脑机接口。本文的研究内容主要包括:群体系统实现的关键是建立在对单个脑机接口系统特征提取识别的基础上,需要发展针对单个系统的稳定特征提取算法。对于以上三种单模态系统而言,SSVEP信噪比高,信号识别稳定可靠,而MI和mVEP信噪比低,信号易被噪声干扰,因此需要发展针对这两种信号模式的有效识别方法。基于四阶累积量对于高斯噪声的良好鲁棒性,本文发展了基于四阶累积量的共空间模式方法,用于MI和mVEP特征的提取。在该方法中,我们首先获取相关多维脑电信号的高阶累积量,然后基于高阶累积量实现共空间模式(Common Spatial Pattern,CSP)特征提取,以作为相应脑机接口的特征。将该方法应用到MI和mVEP脑机接口的识别特征提取,离线结果表明,改进的方法能有效降低高斯噪声对脑机接口特征提取的影响,能显著提高MI和mVEP脑机接口的性能。在对单个脑机接口系统特征提取识别研究的基础上,实现群体在线脑机接口系统。本系统主要基于客户端服务器模式设计,以Cbuilder为开发工具,利用已有的底层框架,运用Directdraw和控件技术实现前端界面,以C++为编程语言,采用多线程及其交互、内存共享等方法实现后端功能,然后利用套接字通信协议实现客户端服务器通信,通过消息机制以及事件接口实现服务器对相应游戏的控制。在此系统中,客户端实现了将MI、SSVEP以及mVEP三种模态脑机接口的集成,用户可以自主的根据个人特点选择相应模式的脑机接口,最终实现对服务器上一个二人协同对抗游戏的控制操作。共15组被试参与了群体脑机接口系统的控制游戏实验,在线结果表明,被试在选择的脑机接口范式下,能够较为可靠的进行游戏的对抗操作,该系统达到了预期的效果。