基于mVEP的腦-機接口關鍵技術研究.pdf

1、運動起始視覺誘發(fā)電位(motion-onset visual evoked potential, mVEP)近來被應用于基于腦電的腦-機接口(brain-computer interface, BCI)系統(tǒng)之中。mVEP由運動刺激誘發(fā)產生，相較于其他的視覺誘發(fā)電位，mVEP具有較大的幅度和較小的被試間以及被試內差異，且不容易引起視覺疲勞，因此 mVEP-BCI具有重要的應用價值。最近，國內外幾家研究單位陸續(xù)開展了 mVEP-BCI的研究

2、，但是就目前的進展來看，分類識別正確率和信息傳輸效率仍有很大的進步空間。本文主要圍繞以下這三點進行了研究：
　　第一，本論文在總結前人理論研究的基礎上，根據 mVEP的信號特征，實現了基于 mVEP的實用化在線腦-機接口系統(tǒng)。我們采用水平移動的方式作為視覺刺激模塊，成功的誘發(fā)出了高質量的mVEP腦電信號，并解析編碼了對應的控制指令，實現了對虛擬紅色小球自由移動的控制。同時，依據被試實驗結果，還簡要分析了mVEP在被試間和被試內的差

3、異性問題。
　　第二，在被試特征差異的基礎上，本論文基于前面的工作，在之前構建的mVEP-BCI的基礎上，將廣泛運用于基于運動想象的腦-機接口系統(tǒng)等腦-機接口系統(tǒng)的CSP特征提取算法應用到了mVEP-BCI中，并取得了不錯的效果，有效的提升了mVEP-BCI的識別準確率。
　　第三，為了提高 mVEP-BCI的信息傳輸率，本論文構建了一種新的適用于mVEP-BCI的動態(tài)停止策略方法。mVEP是視覺運動反應的一種頭皮腦電，一般

4、包含P1，N2和P2三種成分。通常情況下，需要通過幾次疊加來提高mVEP信號的信噪比，但是，更多的疊加次數意味著需要更多的任務時間，無疑會降低范式的執(zhí)行效率?？紤]到被試狀態(tài)的不穩(wěn)定性，基于被試實時 mVEP的信號質量確定相應的疊加次數，對提高基于mVEP的腦-機接口系統(tǒng)的通信效率有非常重要的作用。在我們的研究中，根據訓練數據的真實信息傳輸率，我們利用mVEP腦電信號的3個主要成分構建了一個腦-機接口系統(tǒng)中實驗刺激的動態(tài)停止策略。在在線測