腦-機(jī)接口中的事件相關(guān)電位編解碼關(guān)鍵問(wèn)題研究及應(yīng)用.pdf

1、腦-機(jī)接口（Brain-computer interface，BCI）系統(tǒng)能夠?qū)⒅袠猩窠?jīng)系統(tǒng)活動(dòng)直接轉(zhuǎn)化為人工輸出指令，它能夠替代、修復(fù)、增強(qiáng)、補(bǔ)充或者改善中樞神經(jīng)系統(tǒng)的正常輸出，從而改善中樞神經(jīng)系統(tǒng)與內(nèi)外環(huán)境之間的交互作用。事件相關(guān)電位（event-related potential，ERP）是BCI系統(tǒng)最重要的范式信號(hào)之一，它可以反映大腦對(duì)觸發(fā)事件響應(yīng)時(shí)其內(nèi)部的神經(jīng)信息流向和處理過(guò)程，被廣泛的應(yīng)用在神經(jīng)科學(xué)、認(rèn)知科學(xué)、心理生理學(xué)以及

2、人機(jī)交互領(lǐng)域的研究當(dāng)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(jīng)機(jī)制之謎導(dǎo)致無(wú)法建立起穩(wěn)定可靠的ERP數(shù)學(xué)模型；2）當(dāng)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(jīng)顯現(xiàn)出明顯的缺陷。針對(duì)上述挑戰(zhàn)，本文重點(diǎn)開(kāi)展了一系列ERP解編碼關(guān)鍵問(wèn)題的研究，包括ERP的神經(jīng)機(jī)制模型、ERP導(dǎo)聯(lián)優(yōu)化算法、ERP跨個(gè)體識(shí)別算法、基于ERP的混合范式BCI系統(tǒng)、非眼動(dòng)依賴型BCI系統(tǒng)以及

3、基于預(yù)測(cè)模板的ERP特征識(shí)別等。
　　首先，針對(duì)ERP的神經(jīng)機(jī)制問(wèn)題，本文提出了一種研究ERP動(dòng)態(tài)演變過(guò)程的有效方法，并且利用該方法首次得到了視覺(jué) ERP演變的三個(gè)意識(shí)形態(tài)完全不同的連續(xù)時(shí)期，驗(yàn)證了 ERP的非線性相位重排機(jī)制，首次發(fā)現(xiàn)了外界刺激的物理屬性是ERP神經(jīng)機(jī)制模型中的一個(gè)重要影響因素。
　　其次，在改進(jìn)ERP解碼算法方面，本文根據(jù) ERP的生成機(jī)制和波形特征，發(fā)展了高效的ERP-BCI導(dǎo)聯(lián)優(yōu)化算法和跨個(gè)體識(shí)別算法

4、。為實(shí)現(xiàn)可靠的導(dǎo)聯(lián)優(yōu)化，文中利用 ERP的相位信息設(shè)計(jì)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(jīng)典的導(dǎo)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(dǎo)聯(lián)集合。針對(duì)跨個(gè)體 ERP識(shí)別，研究中提出了一種帶權(quán)重集成學(xué)習(xí)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(shè)計(jì)出了 P300+SSVEP-B speller的BCI混合新范式，并在該范式基礎(chǔ)上成功開(kāi)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(dá)傳統(tǒng)P300 speller的3倍左右。此外，實(shí)驗(yàn)中發(fā)現(xiàn)在隱性注意力調(diào)