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

1、腦機接口技術（Brain-Computer Interfaces，BCI）是一種不依賴于肌肉組織和外周神經系統(tǒng)，通過不間斷的監(jiān)控大腦活動中與用戶意圖相關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備的一種全新人機交互技術。腦機接口技術涉及生理學、神經科學、信號處理和控制理論等多個學科，是一門綜合性技術，隨著科技的發(fā)展，腦機接口技術將在醫(yī)療康復、生活娛樂、軍事行動等領域發(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行處理與識別顯得非常復雜和困難。為了解決這個問題，本文設計了基于穩(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頻率提取中的應用進行了研究，同時對腦機接口中錯誤指令誘發(fā)的錯誤相關負電位（Error Related Negativity，ERN）進行了分析，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聯(lián)，本文設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行預處理、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中的應用進行了多方面的分析并與其他常用的頻率提取算法進行比

4、較。實驗結果表明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)行的具體任務相關性不強，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網絡將多通道的時域、頻域和空間域特征進行兩次降維的方法，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