基于穩(wěn)態(tài)視覺誘發(fā)電位和想象運動的多模態(tài)腦機接口技術研究.pdf

1、腦機接口（Brain Computer Interface，BCI）是一種不依賴于大腦的正常輸出通路，通過直接提取大腦活動信號控制外部設備，實現(xiàn)大腦和外部環(huán)境直接通訊的技術。該技術能為運動功能缺失但思維正常的病患提供一種新的與外部世界交流的方式，在康復領域具有廣泛的應用前景。目前，BCI技術中，腦電信號（Electroencephalography，EEG）的分類數目不夠多是阻礙腦機接口技術進入實際應用的主要問題之一。單純地采用誘發(fā)或者

2、自發(fā)腦電信號進行分析處理，并不能很好的解決這個問題，本課題所研究的綜合誘發(fā)腦電和自發(fā)腦電的多模態(tài)腦機接口技術，對解決這一問題進行了有益的嘗試。
　　本文研究了基于穩(wěn)態(tài)視覺誘發(fā)電位（Steady-State Visual Evoked Potentials，SSVEP）和運動想象（Motor Imagery，MI）的多模態(tài)腦機接口技術，將誘發(fā)腦電信號（LED和LCD刺激器閃爍誘發(fā)的穩(wěn)態(tài)視覺誘發(fā)腦電）與自發(fā)腦電信號（想象不同肢體運動產

3、生的自發(fā)腦電）相結合，綜合提取兩種信號的特征，增加了單次實驗的可分類別數目，推進該技術進一步向實際應用發(fā)展。具體工作如下：
　　1、實驗設計。本論文采用的實驗范式包括SSVEP實驗范式、MI實驗范式和二者結合的多模態(tài)實驗范式。在SSVEP實驗范式中，研究了不同刺激方式、刺激頻率、刺激目標大小、顏色等屬性對于受試者誘發(fā)腦電信號特征的影響；在MI實驗范式中，探索了相對容易被受試者掌握的實驗模式；在多模態(tài)實驗范式中，選用前兩種范式中探索

4、到的最佳刺激器因素以及最佳運動想象模式，探索了多模態(tài)BCI對腦電特征分類數目的影響。
　　2、腦電特征的提取。先對腦電信號進行預處理，然后根據不同范式的需要，采用快速傅立葉變換和r2分析等方法對不同類型腦電信號進行特征提取。
　　3、模式識別分析。本文中主要研究了用盡量少的電極特征，通過支持向量機方法來進行腦電信號分類，節(jié)省計算時間，提高在線分析能力。
　　4、在線BCI系統(tǒng)的設計。本文設計了人性化的在線多模態(tài)人機交互