论文部分内容阅读
脑机接口(Brain Computer Interface,BCI)是一种不依赖于大脑的正常输出通路,通过直接提取大脑活动信号控制外部设备,实现大脑和外部环境直接通讯的技术。该技术能为运动功能缺失但思维正常的病患提供一种新的与外部世界交流的方式,在康复领域具有广泛的应用前景。目前,BCI技术中,脑电信号(Electroencephalography,EEG)的分类数目不够多是阻碍脑机接口技术进入实际应用的主要问题之一。单纯地采用诱发或者自发脑电信号进行分析处理,并不能很好的解决这个问题,本课题所研究的综合诱发脑电和自发脑电的多模态脑机接口技术,对解决这一问题进行了有益的尝试。本文研究了基于稳态视觉诱发电位(Steady-State Visual Evoked Potentials,SSVEP)和运动想象(Motor Imagery,MI)的多模态脑机接口技术,将诱发脑电信号(LED和LCD刺激器闪烁诱发的稳态视觉诱发脑电)与自发脑电信号(想象不同肢体运动产生的自发脑电)相结合,综合提取两种信号的特征,增加了单次实验的可分类别数目,推进该技术进一步向实际应用发展。具体工作如下:1、实验设计。本论文采用的实验范式包括SSVEP实验范式、MI实验范式和二者结合的多模态实验范式。在SSVEP实验范式中,研究了不同刺激方式、刺激频率、刺激目标大小、颜色等属性对于受试者诱发脑电信号特征的影响;在MI实验范式中,探索了相对容易被受试者掌握的实验模式;在多模态实验范式中,选用前两种范式中探索到的最佳刺激器因素以及最佳运动想象模式,探索了多模态BCI对脑电特征分类数目的影响。2、脑电特征的提取。先对脑电信号进行预处理,然后根据不同范式的需要,采用快速傅立叶变换和r2分析等方法对不同类型脑电信号进行特征提取。3、模式识别分析。本文中主要研究了用尽量少的电极特征,通过支持向量机方法来进行脑电信号分类,节省计算时间,提高在线分析能力。4、在线BCI系统的设计。本文设计了人性化的在线多模态人机交互系统,可以通过该系统发出简单的控制指令,实现了用户大脑与周围环境的信息交流。