论文部分内容阅读
本研究中的脑机接口(brain-computer interface,BCI)或(brain-machine interface,BMI),是指在人脑与外部设备间建立的直接连接通路。在该定义中,“脑”一词意指从大脑中诱发出的脑电信号,而“机”是指能接收和处理脑电信号的计算机或机械设备。BCI是一种新型的,不同于传统的人与外界物理环境之间的通讯或控制方式,可以为不能像正常人一样,通过外周神经和肌肉通道与外界建立联系的人,提供一个可能的,有时甚至是唯一的通信或控制方式。帮助思维正常但有严重运动功能障碍的,不能通过说话或肢体动作来表达想法或控制外部设备的患者与外界环境进行交流和控制,过上更为独立自主的生活。这是BCI研究最初,也是最重要的动机。脑机接口的研究和应用中最关键的研究是脑机接口的输入信号,即脑电信号的诱发和识别。上世纪九十年代中期以来,脑机接口经历了迅速的发展,开始了各种脑电信号的诱发和识别研究。稳态视觉诱发电位(steady-state visual-evoked potential,SSVEP)是视觉诱发脑电位的一种,具有较高的信息传输率、训练时间较短及无损伤等优点,本研究中使用SSVEP作为BCI的输入信号,即进行SSVEP-BCI研究。当前,SSVEP-BCI研究的关键是实用化,要解决实用化中的两个关键问题是诱发脑电位稳定性和性能。如果错误少(低误码率)则一个BCI系统是稳定的,如果它提供快速命令(高信息传输速率)则其性能良好。本论文在现有的SSVEP-BCI的基础上,从视觉刺激,信号处理,认知和在线机器学习等各个方面进行了研究,在诱发脑电位的稳定性和性能方面取得了成果,使SSVEP-BCI便于实用化,其成果主要表现在以下几个方面:一,SSVEP的诱发方式研究是SSVEP-BCI应用的基础。本研究基于视觉系统的基本特性,提出了优化的视觉刺激方法,并设计了用于SSVEP-BCI系统的通用便携式视觉刺激器。二,SSVEP的信号处理方法包括SSVEP的信号提取方法和信号识别方法,是SSVEP-BCI应用的关键。本研究探索了在强噪声背景下,快速准确地提取出微弱的SSVEP信号。通过对SSVEP的信号识别方法的研究,成功地对SSVEP进行模式识别和分类,提出高了诱发脑电位的稳定性和性能。三,SSVEP的诱发因人而异,本研究提出了通过UK心理测验,按人的性格行为特征进行在线BCI系统机器学习的方法,有比较好的效果。四,利用以上的研究成果,设计了基于SSVEP-BCI的3D图像控制系统,通过视觉诱发电位实现了对计算机生成的3D图像的移动和转动的位置控制。