基于SSVEP信號(hào)的在線BCI關(guān)鍵技術(shù)研究.pdf

1、腦機(jī)接口（Brain Computer Interface，BCI）系統(tǒng)能夠?qū)⒋竽X意識(shí)轉(zhuǎn)換為控制外部設(shè)備的指令，涉及神經(jīng)科學(xué)、計(jì)算機(jī)科學(xué)、控制理論等多方面技術(shù)。其中，穩(wěn)態(tài)視覺誘發(fā)電位（Steady State Visual Evoked Potentials，SSVEP）信號(hào)作為腦電（Electroencephalogram，EEG）信號(hào)的一種，通過外部視覺刺激，就可以在大腦皮層產(chǎn)生特征明顯的節(jié)律性信號(hào)，具有一定的穩(wěn)定性和持續(xù)性。由于S

2、SVEP信號(hào)在刺激頻率位置的功率譜分量較為強(qiáng)烈，因此通過功率譜分析方法就可以提取其中的重要特征，在BCI系統(tǒng)中有著廣泛的應(yīng)用。
　　然而，BCI系統(tǒng)對(duì)于SSVEP信號(hào)分析的準(zhǔn)確性、實(shí)時(shí)性和穩(wěn)定性有著較高的要求，如何以 SSVEP信號(hào)為基礎(chǔ)，在線準(zhǔn)確分析SSVEP信號(hào)的特征，并設(shè)計(jì)出實(shí)時(shí)穩(wěn)定的在線BCI系統(tǒng)，是當(dāng)前BCI系統(tǒng)研究的重點(diǎn)內(nèi)容之一。
　　本文以四分類意識(shí)識(shí)別作為問題的切入點(diǎn)，以提高SSVEP信號(hào)分析的準(zhǔn)確性、實(shí)時(shí)性

3、和穩(wěn)定性為目標(biāo)，重點(diǎn)研究SSVEP信號(hào)分析的去偽跡、特征提取和分類識(shí)別算法，并通過和底層數(shù)據(jù)流傳輸技術(shù)相結(jié)合的方法提高在線系統(tǒng)的實(shí)時(shí)性和穩(wěn)定性。主要研究結(jié)果如下：
　　（1）設(shè)計(jì)和實(shí)現(xiàn)了SSVEP視覺刺激范式。選擇合適的刺激頻率，以便產(chǎn)生相對(duì)穩(wěn)定的SSVEP信號(hào)，并對(duì)SSVEP信號(hào)的離線識(shí)別方法和在線處理過程中所涉及的理論知識(shí)，以及BCI系統(tǒng)的整體設(shè)計(jì)思路進(jìn)行了說明。
　?。?）設(shè)計(jì)和實(shí)現(xiàn)了基于典型相關(guān)分析和主成分分析的SS

4、VEP信號(hào)識(shí)別算法。針對(duì)腦電信號(hào)中存在比較明顯的眼電偽跡，首先對(duì)常用的獨(dú)立成分分析算法和二階盲辨識(shí)算法進(jìn)行了對(duì)比，然后設(shè)計(jì)出基于典型相關(guān)分析的二階盲辨識(shí)算法，提高了 SSVEP信號(hào)預(yù)處理的實(shí)時(shí)性。針對(duì) SSVEP信號(hào)的實(shí)時(shí)特征提取和分類，比較典型相關(guān)分析技術(shù)相對(duì)于功率譜分析技術(shù)的處理速度優(yōu)勢，進(jìn)一步針對(duì)典型相關(guān)分析所涉及到的通道選擇、通道個(gè)數(shù)選擇，以及樣本容量問題，采用主成分分析方法對(duì)典型相關(guān)分析過程進(jìn)行改進(jìn)，通過對(duì)原始SSVEP信號(hào)的

5、降維處理，在不影響識(shí)別準(zhǔn)確性的前提下，進(jìn)一步提高了典型相關(guān)分析的實(shí)時(shí)性。
　?。?）設(shè)計(jì)和實(shí)現(xiàn)了基于SSVEP信號(hào)的在線BCI系統(tǒng)。針對(duì)SSVEP數(shù)據(jù)流的實(shí)時(shí)處理問題，采用多線程機(jī)制將整個(gè)處理過程分解為多個(gè)并發(fā)執(zhí)行的子任務(wù)，并通過緩沖區(qū)策略解決線程之間的速度匹配問題；針對(duì)SSVEP數(shù)據(jù)流的流量變化問題，采用自適應(yīng)單向模糊推理對(duì)數(shù)據(jù)流的變化趨勢進(jìn)行預(yù)測；針對(duì)線程并發(fā)造成的數(shù)據(jù)重組錯(cuò)序問題，設(shè)計(jì)信號(hào)量同步與互斥方法對(duì)中間數(shù)據(jù)進(jìn)行順序重