基于偽隨機(jī)編碼調(diào)制的視覺誘發(fā)電位腦機(jī)接口研究.pdf

1、腦機(jī)接口（Brain-computer interface,BCI）是通過大腦直接控制外部設(shè)備實(shí)現(xiàn)與外部環(huán)境的交流，打破了傳統(tǒng)的大腦通過肌肉和外周神經(jīng)與外界的交流。如今，隨著腦機(jī)接口技術(shù)的迅速發(fā)展，科研工作者對于頻率調(diào)制的視覺誘發(fā)電位腦機(jī)接口（frequency modulation visual evoked potential BCI,f-VEP BCI）進(jìn)行了大量的研究，而對于偽隨機(jī)編碼調(diào)制的視覺誘發(fā)電位腦機(jī)接口（Pseudo-r

2、andom code modulated VEP BCI,c-VEP BCI）的研究比較少，傳統(tǒng)的c-VEP BCI是使用一種或者說一個編碼及其時間移位來調(diào)制不同的刺激論標(biāo)，限制了論標(biāo)數(shù)的增加，從而限制了BCI系統(tǒng)的信息傳輸率。本文從信學(xué)處理的方法以及提高c-VEP BCI的刺激論標(biāo)數(shù)出發(fā)，對c-VEP BCI進(jìn)行了研究。
　　基于一個偽隨機(jī)序列調(diào)制的VEP腦機(jī)接口是通過典型相關(guān)分析（Canonical correlation a

3、nalysis，CCA）來優(yōu)化空域?yàn)V波器，使用模板匹配法（Template Matching Method,TMM）進(jìn)行論標(biāo)識別。而本文提出了通過信學(xué)分?jǐn)?shù)分析方法（Signal Fraction Analysis,SFA）來優(yōu)化空域?yàn)V波器，使用一類支持向量機(jī)（One Class Support Vector Machine,OCSVM）來分類識別論標(biāo)，這兩種優(yōu)化空域?yàn)V波方法和兩種分類識別論標(biāo)方法可以互相組合，形成四種不同形式的方法，實(shí)驗(yàn)