论文部分内容阅读
脑机接口(Brain-Computer Interface,BCI)作为大脑和物理设备进行信息交换的媒介,受到了来自神经科学、认知科学、康复治疗等领域的广泛关注。其中,稳态视觉诱发电位(Steady-state visual evoked potential,SSVEP)脑机接口因具有信噪比高、响应时间短、训练时间短等特点而被广泛研究。然而目前BCI的信息传输率仍不能满足实际需求。基于此,本文从LCD刷新频率对SSVEP-BCI性能的影响和信号识别算法两个角度进行研究,深入探讨SSVEP电位的特性,挖掘脑电信号深层的有效信息,提高SSVEP-BCI的性能。具体工作如下:(1)研究了LCD刷新频率对SSVEP性能的影响。目前SSVEP-BCI系统广泛采用LCD作为刺激设备,而LCD的刷新频率这一参数的选择方式仍为一个空白。针对这一问题,本文探讨了在其他条件相同的情况下,不同的刷新频率(60 Hz,75Hz,100 Hz,120 Hz,144 Hz)对SSVEP-BCI性能的影响。结果表明,在短时(不超过2s)刺激时,刷新频率越高,SSVEP-BCI系统的信息传输率越高。(2)本文对常规的滤波器组典型相关分析(Filter Bank Canonical Correlation Analysis,FBCCA)算法和个体化模板训练(it3-CCA)算法进行了改进,给出了将两种改进算法相结合的联合算法。常规的FBCCA算法中,以幂函数作为权重计算公式,导致结果过拟合。本文利用指数函数的速降平稳特性,设计了一种改进的FBCCA算法(exp-FBCCA算法)。离线实验结果显示,exp-FBCCA性能优于FBCCA,刺激时间为1.5s时,信息传输率达到102.35bits/min。针对it3-CCA的特征测量量过少的问题,引入由测试数据的空域滤波器与训练数据集构成的新特征测量量(it5-CCA),挖掘信号深层的有效信息。本文通过结合exp-FBCCA和it5-CCA各自优点,搭建了一个基于联合算法的SSVEP-BCI系统。在线和离线结果显示,联合算法性能明显优于FBCCA和it3-CCA,该系统在刺激时间为0.5s时,信息传输率达到了242.71bits/min,满足了高速率BCI系统的实际需求。(3)在SSVEP-BCI系统中,信号识别算法大都是以CCA算法为核心算法,基于这一前提,本文比较了似然比检验算法(Likelihood Ratio Test,LRT)与典型相关分析算法在SSVEP-BCI中的性能。在线实验和离线实验结果表明,LRT性能明显优于CCA。然后,本文探讨了在基于典型相关分析的扩展算法中,利用LRT替代CCA的可行性。(4)研究了基于SSVEP电位的BCI操作平台的搭建,详细介绍了刺激范式编写、信号同步方法、多线程多进程处理三方面问题的解决方案,并基于这些解决方案进行了在线实验。结果表明,基于本文研究的解决方案搭建的SSVEP-BCI系统具有稳定性及可靠性。