基于SSVEP信號的在線BCI關鍵技術研究.pdf

1、腦機接口（Brain Computer Interface，BCI）系統(tǒng)能夠?qū)⒋竽X意識轉換為控制外部設備的指令，涉及神經(jīng)科學、計算機科學、控制理論等多方面技術。其中，穩(wěn)態(tài)視覺誘發(fā)電位（Steady State Visual Evoked Potentials，SSVEP）信號作為腦電（Electroencephalogram，EEG）信號的一種，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，具有一定的穩(wěn)定性和持續(xù)性。由于S

2、SVEP信號在刺激頻率位置的功率譜分量較為強烈，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)中有著廣泛的應用。
　　然而，BCI系統(tǒng)對于SSVEP信號分析的準確性、實時性和穩(wěn)定性有著較高的要求，如何以 SSVEP信號為基礎，在線準確分析SSVEP信號的特征，并設計出實時穩(wěn)定的在線BCI系統(tǒng)，是當前BCI系統(tǒng)研究的重點內(nèi)容之一。
　　本文以四分類意識識別作為問題的切入點，以提高SSVEP信號分析的準確性、實時性

3、和穩(wěn)定性為目標，重點研究SSVEP信號分析的去偽跡、特征提取和分類識別算法，并通過和底層數(shù)據(jù)流傳輸技術相結合的方法提高在線系統(tǒng)的實時性和穩(wěn)定性。主要研究結果如下：
　?。?）設計和實現(xiàn)了SSVEP視覺刺激范式。選擇合適的刺激頻率，以便產(chǎn)生相對穩(wěn)定的SSVEP信號，并對SSVEP信號的離線識別方法和在線處理過程中所涉及的理論知識，以及BCI系統(tǒng)的整體設計思路進行了說明。
　?。?）設計和實現(xiàn)了基于典型相關分析和主成分分析的SS

4、VEP信號識別算法。針對腦電信號中存在比較明顯的眼電偽跡，首先對常用的獨立成分分析算法和二階盲辨識算法進行了對比，然后設計出基于典型相關分析的二階盲辨識算法，提高了 SSVEP信號預處理的實時性。針對 SSVEP信號的實時特征提取和分類，比較典型相關分析技術相對于功率譜分析技術的處理速度優(yōu)勢，進一步針對典型相關分析所涉及到的通道選擇、通道個數(shù)選擇，以及樣本容量問題，采用主成分分析方法對典型相關分析過程進行改進，通過對原始SSVEP信號的

5、降維處理，在不影響識別準確性的前提下，進一步提高了典型相關分析的實時性。
　　（3）設計和實現(xiàn)了基于SSVEP信號的在線BCI系統(tǒng)。針對SSVEP數(shù)據(jù)流的實時處理問題，采用多線程機制將整個處理過程分解為多個并發(fā)執(zhí)行的子任務，并通過緩沖區(qū)策略解決線程之間的速度匹配問題；針對SSVEP數(shù)據(jù)流的流量變化問題，采用自適應單向模糊推理對數(shù)據(jù)流的變化趨勢進行預測；針對線程并發(fā)造成的數(shù)據(jù)重組錯序問題，設計信號量同步與互斥方法對中間數(shù)據(jù)進行順序重