论文部分内容阅读
脑-机接口(Brain-Computer Interface,BCI)是将人们大脑内产生的脑电信号(Electroencephalogram,EEG)借由脑电采集装置转化为一种数字信号并由计算机分析处理后通过设备(例如电脑显示器和扬声器)输出的装置(是一种不通过人体肌肉以及外周神经,只通过大脑与外界设备交流沟通的特殊方式),以达到与外界交流的目的。通过脑-机接口交流不依赖人类肢体语言与正常语言,因此为无法言语及无法活动的残障人士开拓了一种与其他人沟通的途径,例如患有肌萎缩性脊髓侧索硬化症的人,与外界的交流可能会重新唤起他们对生活的热情。因此脑-机接口的性能决定了患者与外界交流的流畅性。现如今对于脑-机接口的研究大多为单一范式脑-机接口,单一范式脑-机接口虽然有设计简便的优点,但是在识别准确率是可能不及混合范式脑-机接口,因此混合范式脑-机接口的研究成为了现如今脑-机接口一个重要的研究方向。本文先通过经典Oddball范式和单SSVEP(Steady-State Visual Evoked Potentials)范式对被试的脑电信号进行采集,用作与混合范式下数据的对比。因为SSVEP信号和P300信号在脑内产生前通过的是同一条视觉通路,所以为了提高范式的速度,本文决定选用阻断SSVEP信号(Steady-State Visual Evoked Potentials-Blocking),即SSVEP-B。本文设计5×8的矩阵,在单SSVEP范式下字符列先从左到右依次按照8 Hz、9 Hz、10Hz、11 Hz、12 Hz、13 Hz、14 Hz和15 Hz的频率进行闪烁,之后字符行从上到下依次按照8 Hz、9 Hz、10 Hz、11 Hz和12 Hz的频率闪烁。混合范式则是在字符列从左到右依次按照8 Hz、9 Hz、10 Hz、11 Hz、12 Hz、13 Hz、14 Hz和15 Hz的频率进行闪烁的同时,字符行随机出现灰暗状态(无闪烁状态),产生SSVEP-B信号进而在脑内引发P300成分。通过SSVEP成分与P300成分确定字符所在列与行。脑电信号在采集的过程中不可避免的会采集到一些干扰信号,例如工频干扰和眼电伪迹。本文设计了一种基于变分模态分解(Variational Mode Decomposition,VMD)的眼电伪迹去除方法,并通过实验结果得出该方法可以有效的去除脑电信号采集过程中采集到的眼电伪迹。对去除眼电伪迹后的脑电信号进行特征分类时,本文选用典型相关分析(Canonical Correlation Analysis,CCA)的方法实现对SSVEP信号特征分类,P300信号则是通过离散小波分解和时域能量熵特征融合进行特征识别,并选用支持向量机对其进行特征分类。通过对比分析经典Oddball范式、单SSVEP范式和混合范式实验数据识别准确率及信息传输率,混合范式相较于传统P300范式和单SSVEP范式,识别准确率提高到95.3%,信息传输率提高到144bit/min。