基于SCF范式的在線P300腦機接口研究.pdf

1、腦機接口(brain-computer interface，BCI)通過在大腦和外部設(shè)備之間構(gòu)建一條獨立的通道，達(dá)到兩者間信息傳遞和交互的目的，是當(dāng)前國際研究熱點。頭皮腦電(EEG)中的事件相關(guān)P300電位是腦機接口研究的主要特征信號模式之一，具有產(chǎn)生穩(wěn)定、無需訓(xùn)練等優(yōu)點。當(dāng)前圍繞P300腦機接口的研究主要基于經(jīng)典的P300 Speller系統(tǒng)，使用6×6字符矩陣的行、列刺激誘發(fā)用戶的P300電位。但近年來的研究發(fā)現(xiàn)P300 Spell

2、er的行列刺激誘發(fā)范式對某些被試而言任務(wù)復(fù)雜，且在某些應(yīng)用場景中無法適用。此外，P300腦機接口中的刺激誘發(fā)參數(shù)選擇、模式識別、在線性能等關(guān)鍵技術(shù)還缺乏系統(tǒng)而深入的研究。針對P300 Speller的局限性，本文重點研究基于SCF(single characterflash，單刺激誘發(fā))范式的P300腦機接口，從交互界面、特征提取、分類和自適應(yīng)及功能擴展等多個方面深入地探討了如何提高基于SCF范式的在線P300腦機接口性能。主要研究內(nèi)容

3、包括：
　　 ⑴設(shè)計了刺激誘發(fā)參數(shù)可配置的SCF范式P300腦機接口平臺，P300電位的誘發(fā)通過單個刺激閃爍實現(xiàn)，而非經(jīng)典范式中的行、列刺激閃爍?；谠撈脚_，利用漢字由筆畫構(gòu)成和5種筆畫即可輸出所有漢字兩個特點，首次提出了基于P300腦機接口的中文打字模型，使用7-oddball的SCF范式實現(xiàn)了快速、有效的中文漢字輸入。
　　 ⑵提出了P300腦機接口刺激誘發(fā)參數(shù)的個性化配置策略，從交互界面改進(jìn)系統(tǒng)性能。利用SCF范式

4、P300腦機接口平臺的刺激誘發(fā)參數(shù)可配置性，研究了不同刺激誘發(fā)參數(shù)的在線帶反饋實驗。發(fā)現(xiàn)同一被試在不同配置下的在線正確率表現(xiàn)各異，且誘發(fā)的P300電位在幅度和潛伏期上存在較顯著差異。最后提出個性化配置策略，可根據(jù)被試個體因素進(jìn)行個性化的刺激誘發(fā)參數(shù)優(yōu)化配置以提高系統(tǒng)性能。
　　 ⑶提出了基于線性回歸的眼電偽跡去除策略和基于粗糙集理論的電極通道選擇方法，在特征提取上改進(jìn)SCF范式P300腦機接口性能。通過在線實驗和離線分析驗證了使

5、用基于線性回歸的去眼電偽跡策略能有效提高P300腦機接口性能；首次提出了基于粗糙集理論的電極通道選擇方法，無需分類器訓(xùn)練即可有效評價通道重要性，達(dá)到快速優(yōu)化電極通道、降低處理數(shù)據(jù)維度的效果。且由該方法得到的通道重要性評價與其他文獻(xiàn)中根據(jù)經(jīng)驗選擇的電極通道位置基本一致。
　　 ⑷研究了SCF范式下的P300電位識別方法，從分類轉(zhuǎn)換的角度提高系統(tǒng)性能，并提出了在線重疊自適應(yīng)P300腦機接口模型，有效解決了自適應(yīng)P300系統(tǒng)中的處理時

6、滯問題。通過Fisher線性判別、支持向量機和bagging算法顯著提高了SCF范式下的P300識別正確率；分析了疊加方式、疊加次數(shù)與分類結(jié)果的關(guān)系，發(fā)現(xiàn)基于非疊加數(shù)據(jù)訓(xùn)練的Fisher線性判別分類器能在4次疊加的測試中即達(dá)到93.07％的正確率。在此基礎(chǔ)上，提出了在線重疊自適應(yīng)P300腦機接口模型，通過在交互界面上重疊P300的刺激誘發(fā)與分類器的結(jié)果反饋，縮短自適應(yīng)疊加過程中的數(shù)據(jù)處理時滯，顯著提高了系統(tǒng)的自適應(yīng)性能。
　　

7、⑸提出了EEG混合控制模式，功能上擴展了P300腦機接口的應(yīng)用范圍。采用分時檢測策略將P300電位和運動想象節(jié)律信號整合到同一腦機接口中，利用P300提供高維度、離散控制指令，提取運動想象特征模式轉(zhuǎn)換為低維度、連續(xù)控制指令。在腦機接口結(jié)合虛擬現(xiàn)實的研究中，該EEG混合控制模式突破了傳統(tǒng)運動想象或P300腦機接口在虛擬場景中控制功能的局限性，實現(xiàn)了虛擬場景中的漫游和家居控制。相比于大部分P300腦機接口的研究基于離線分析，本文不但實現(xiàn)了S