论文部分内容阅读
跨个体脑-机接口系统相较于传统的个体依赖型脑-机接口(Subject-depend Brain-computer Interface, SDBCI)具有非个体依赖性的特点，用户在使用时可缩短或者不经历校准过程。但由于个体差异性大，背景干扰等因素，使得跨个体脑-机接口系统分类准确率较低，无法广泛应用。因此探究个体通用型脑-机接口系统的影响因素及优化方法至关重要。
基于上述背景，本文首先设计了基于快速序列视觉呈现(Rapid Serial Visual Presentation, RSVP)范式的脑电实验，建立了58人的脑电数据库。提取个体单试次的响应数据，通过计算个体间的余弦相似度，发现相较于传统的矩阵刺激范式，RSVP范式下个体间的响应波形相似性更强，证明了RSVP范式诱发的响应波形具有较小的个体差异。接着，通过提取差异波去除个体基线的影响，发现以差异波为特征的分类器性能显著提高(p<0.01)。以此为基础，对影响SDBCI和跨个体脑-机接口分类性能的因素进行了分析，并计算了SDBCI、基于随机匹配算法(Random Matching Algorithm, RMA)和相似匹配算法(Similar Matching Algorithm, SMA)的跨个体脑-机接口的平均AUC值，结果分别为0.8354、0.5948、0.6247。最后进行了基于主动学习(Active Learning, AL)算法的跨个体分类性能优化，提出了SMA-AL算法。基于该算法的跨个体脑-机接口的平均AUC值为0.8194，显著高于SMA(p<0.01)。证明了SMA-AL算法应用于跨个体脑-机接口的可行性，以及相似匹配算法和待测者本身数据对识别效果的促进作用。
综上，本文从实验范式、特征提取及分类方法三个方面对跨个体脑-机接口系统的实现方案进行优化。本文探索了个体通用模型的可行性与改善方法，为建立个体通用型的脑-机接口系统，实现不依赖用户的脑-机接口技术提供技术基础。
基于上述背景，本文首先设计了基于快速序列视觉呈现(Rapid Serial Visual Presentation, RSVP)范式的脑电实验，建立了58人的脑电数据库。提取个体单试次的响应数据，通过计算个体间的余弦相似度，发现相较于传统的矩阵刺激范式，RSVP范式下个体间的响应波形相似性更强，证明了RSVP范式诱发的响应波形具有较小的个体差异。接着，通过提取差异波去除个体基线的影响，发现以差异波为特征的分类器性能显著提高(p<0.01)。以此为基础，对影响SDBCI和跨个体脑-机接口分类性能的因素进行了分析，并计算了SDBCI、基于随机匹配算法(Random Matching Algorithm, RMA)和相似匹配算法(Similar Matching Algorithm, SMA)的跨个体脑-机接口的平均AUC值，结果分别为0.8354、0.5948、0.6247。最后进行了基于主动学习(Active Learning, AL)算法的跨个体分类性能优化，提出了SMA-AL算法。基于该算法的跨个体脑-机接口的平均AUC值为0.8194，显著高于SMA(p<0.01)。证明了SMA-AL算法应用于跨个体脑-机接口的可行性，以及相似匹配算法和待测者本身数据对识别效果的促进作用。
综上，本文从实验范式、特征提取及分类方法三个方面对跨个体脑-机接口系统的实现方案进行优化。本文探索了个体通用模型的可行性与改善方法，为建立个体通用型的脑-机接口系统，实现不依赖用户的脑-机接口技术提供技术基础。