基于穩(wěn)態(tài)視覺誘發(fā)電位和錯誤相關(guān)負(fù)電位的腦機接口系統(tǒng)研究.pdf

1、腦機接口技術(shù)（Brain-Computer Interfaces，BCI）是一種不依賴于肌肉組織和外周神經(jīng)系統(tǒng)，通過不間斷的監(jiān)控大腦活動中與用戶意圖相關(guān)的特定模式來完成與外部的交流，實現(xiàn)了人直接使用思維去控制外部設(shè)備的一種全新人機交互技術(shù)。腦機接口技術(shù)涉及生理學(xué)、神經(jīng)科學(xué)、信號處理和控制理論等多個學(xué)科，是一門綜合性技術(shù)，隨著科技的發(fā)展，腦機接口技術(shù)將在醫(yī)療康復(fù)、生活娛樂、軍事行動等領(lǐng)域發(fā)揮重要作用。
　　由于腦電信號的微弱性、隨機

2、性等特點，對非侵入式腦機接口記錄到的腦電信號進(jìn)行處理與識別顯得非常復(fù)雜和困難。為了解決這個問題，本文設(shè)計了基于穩(wěn)態(tài)視覺誘發(fā)電位（Steady State Visual Evoked Potential，SSVEP）的腦機接口系統(tǒng)，并對時頻分析方法在SSVEP頻率提取中的應(yīng)用進(jìn)行了研究，同時對腦機接口中錯誤指令誘發(fā)的錯誤相關(guān)負(fù)電位（Error Related Negativity，ERN）進(jìn)行了分析，提出一種新的ERN特征提取算法，主要工

3、作如下：
　　SSVEP信號的頻率分布和誘發(fā)的視覺刺激頻率有直接關(guān)聯(lián)，本文設(shè)計了一個基于多頻率刺激源誘發(fā)SSVEP的腦機接口系統(tǒng)，首先對采集到的腦電信號進(jìn)行預(yù)處理、空間濾波、時頻變換、頻率提取四個步驟的處理，其次對基于平滑偽Wigner-Ville分布（Smoothed Pseudo Wigner-Ville Distribution，SPWVD）的時頻分析方法在SSVEP中的應(yīng)用進(jìn)行了多方面的分析并與其他常用的頻率提取算法進(jìn)行比

4、較。實驗結(jié)果表明SPWVD時頻分析方法在處理非平穩(wěn)腦電信號時具有獨特的優(yōu)點，雖然在短時間窗口下，SPWVD時頻分析方法的分類準(zhǔn)確率和信息傳輸率低于其他方法，但是這種方法對時間窗的長度更加敏感，在長時間窗下，時頻聯(lián)合分布更能反映信號的特點。隨著時間窗的不斷增加其效果提升明顯，在2.5秒時間窗下SPWVD時頻分析方法的分類準(zhǔn)確率和信息傳輸率就已超過其他常用方法。
　　然而腦機接口系統(tǒng)始終不可避免的會出現(xiàn)錯誤識別及錯誤指令輸出情況，這是

5、限制腦機接口推廣與應(yīng)用的主要原因。由于ERN只存在于錯誤監(jiān)測過程之中，而和執(zhí)行的具體任務(wù)相關(guān)性不強，因此其可以融入在其他模式的腦機接口中，通過對腦電信號的二次檢測來判斷系統(tǒng)的識別和輸出是否正確，從而對錯誤的識別進(jìn)行糾正，可以有效提高腦機接口的可靠性。針對單次ERN檢測困難、多通道數(shù)據(jù)易引起過擬合問題，本文提出了一種使用神經(jīng)網(wǎng)絡(luò)將多通道的時域、頻域和空間域特征進(jìn)行兩次降維的方法，使這三種特征在互相補充與完善的同時避免了維度災(zāi)難，并且使用了

6、受試者操作曲線（Receiver Operating characteristic Curves，ROC）和曲線下面積（Area Under ROC，AUC）定性與定量的分析該方法的特點。雖然ERN信號受到個體差異性的影響大，但是這種多特征混合的特征提取算法的AUC依然能夠達(dá)到0.7818，高于任意單一特征的效果，并且隨著使用的電極通道數(shù)據(jù)的增加，效果有緩慢的提升。
　　因此，基于SSVEP和ERN的腦機接口具有較高的可靠性，將有