腦-機接口中的事件相關電位編解碼關鍵問題研究及應用.pdf

1、腦-機接口（Brain-computer interface，BCI）系統(tǒng)能夠將中樞神經系統(tǒng)活動直接轉化為人工輸出指令，它能夠替代、修復、增強、補充或者改善中樞神經系統(tǒng)的正常輸出，從而改善中樞神經系統(tǒng)與內外環(huán)境之間的交互作用。事件相關電位（event-related potential，ERP）是BCI系統(tǒng)最重要的范式信號之一，它可以反映大腦對觸發(fā)事件響應時其內部的神經信息流向和處理過程，被廣泛的應用在神經科學、認知科學、心理生理學以及

2、人機交互領域的研究當中。
　　但是，目前基于ERP的BCI系統(tǒng)發(fā)展受到了巨大的挑戰(zhàn)：1）ERP神經機制之謎導致無法建立起穩(wěn)定可靠的ERP數(shù)學模型；2）當前的ERP解碼算法效率有待提高；3）傳統(tǒng)的ERP-BCI范式在指令編碼中已經顯現(xiàn)出明顯的缺陷。針對上述挑戰(zhàn)，本文重點開展了一系列ERP解編碼關鍵問題的研究，包括ERP的神經機制模型、ERP導聯(lián)優(yōu)化算法、ERP跨個體識別算法、基于ERP的混合范式BCI系統(tǒng)、非眼動依賴型BCI系統(tǒng)以及

3、基于預測模板的ERP特征識別等。
　　首先，針對ERP的神經機制問題，本文提出了一種研究ERP動態(tài)演變過程的有效方法，并且利用該方法首次得到了視覺 ERP演變的三個意識形態(tài)完全不同的連續(xù)時期，驗證了 ERP的非線性相位重排機制，首次發(fā)現(xiàn)了外界刺激的物理屬性是ERP神經機制模型中的一個重要影響因素。
　　其次，在改進ERP解碼算法方面，本文根據(jù) ERP的生成機制和波形特征，發(fā)展了高效的ERP-BCI導聯(lián)優(yōu)化算法和跨個體識別算法

4、。為實現(xiàn)可靠的導聯(lián)優(yōu)化，文中利用 ERP的相位信息設計了一種新的基于相位鎖定集中值的遞歸特征篩除算法（phase locking and concentrating value-based recursive feature elimination， PLCV-RFE）。與經典的導聯(lián)優(yōu)化算法相比，PLCV-RFE能夠在不影響正確率的情況下優(yōu)化出更小的導聯(lián)集合。針對跨個體 ERP識別，研究中提出了一種帶權重集成學習總體信息（weighte

5、d ensemble learning generic information，WELGI）的新算法，與傳統(tǒng)分類策略相比，WELGI能夠顯著的提高分類正確率。
　　最后，在提高ERP-BCI的編碼效率方面，本文設計出了 P300+SSVEP-B speller的BCI混合新范式，并在該范式基礎上成功開發(fā)出了一套并行式混合范式BCI系統(tǒng)，該系統(tǒng)的最高信息傳輸率可達傳統(tǒng)P300 speller的3倍左右。此外，實驗中發(fā)現(xiàn)在隱性注意力調