论文部分内容阅读
基于高频稳态视觉诱发电位（Steady-state visual evoked potential,SSVEP）的脑-机接口（Brain-computer interface,BCI）系统用户体验友好,但是高频SSVEP信号幅值弱、噪声强,导致目标识别困难。近年来,基于非对称视觉诱发电位（Asymmetric visual evoked potential,a VEP）的BCI系统能够利用不同位置的刺激诱发具有空间特征的脑电信号,为微弱脑电特征的编解码提供了新思路。首先,本文采用基于高频视觉刺激的SSVEP,并将其与a VEP的空间特性结合,设计了具有空-频多维信息的SSVEP编码范式并进行实验。通过时-空特征分析验证了SSVEP同时兼具频率-空间特征,确定了最优空间刺激参数,进一步采用判别典型模式匹配（Discriminative canonical pattern matching,DCPM）解码算法验证了SSVEP位置的可分性及高频SSVEP空间编解码的可行性。其次,基于上述空间可分性的研究,本文提出了稳态非对称视觉诱发电位（Steady-state asymmetric visual evoked potential,SSa VEP）的编码方法,充分融合了空-时-频-相分多址的编码技术,完成了基于高频SSa VEP的十指令（31～40Hz,间隔1Hz）BCI实验范式。在此基础上,本文进行了四种不同刺激时长的实验,对比分析了判别空间模式（Discriminative spatial pattern,DSP）滤波前/后脑电的频率响应特性和信噪比变化,证明了DSP滤波可增强微弱SSa VEP的信号特征。然后,本文提出了多分类DCPM解码算法,通过对每个指令不同空间位置的诱发信号进行DSP滤波并彼此相减,降低共模噪声并提升信号特征。分类结果表明,四种实验的平均分类正确率最高可达71.8%。此外,本文还进行了多种特征提取与分类算法的对比分析,发现相对于基于模板的典型相关分析算法,研究提出的多分类DCPM算法可以高效率的识别目标,分类正确率提升了48.0%。最后,基于上述研究成果,本文设计了基于最优刺激时长的实验范式,仅使用15个样本完成了离线建模过程,并实现了在线字符拼写,平均分类正确率达到78.7%,信息传输速率达到43.2 bits/min,最高可达63.7 bits/min。综上,本文验证了高频SSa VEP空间信息编解码的可行性,设计了一种结合时-空-频-相的多指令SSa VEP的混合编码方案,提出了基于DCPM的SSa VEP多分类算法,实现了对SSa VEP特征的高效识别,最终完成了基于高频SSa VEP的脑-机接口在线字符拼写系统,为今后开发交互友好型的BCI提供启发。