论文部分内容阅读
脑机接口(brain-computerinterface,BCI)是在大脑与外部设备之间建立的不依赖外周神经与肌肉的新型通信,它能提取人脑电信号的特征、解读出使用者意图、实现控制外部设备的功能。近年来基于视觉诱发电位(visual evoked potentials,VEP)的BCI成为了脑机接口领域的研究热点。相比其它基于VEP的BCI系统,稳态视觉诱发电位脑机接口(Steady state VEP BCI,SSVEP BCI)与编码调制脑机接口(Code modulated VEP BCI,c-VEP BCI)可选择的识别目标更多、信息传输率更高,但基于两者的混合调制BCI系统还未被深入研究。本文对基于SSVEP与c-VEP的混合BCI系统进行研究,提出了一个新的基于编码与频率顺序调制的混合BCI范式,并实现了一个高性能的混合BCI系统。本文在传统单一脑电模式的视觉BCI研究基础上,用伪随机码与频率码混合调制视觉刺激目标,设计出了一个混合BCI系统。共邀请十二位志愿者参加本次实验,并对他们混合脑电数据进行特征提取分析,验证了本系统的可行性与有效性。首先分析了其中一位志愿者四个c-VEP模板信号间的自相关函数与互相关函数及SSVEP模板信号的频谱,结果表明,本混合系统诱发的c-VEP与SSVEP均具有良好的可分性。然后通过测试数据分析了系统的分类识别率与信息传输率,结果表明,该系统64目标混合平均识别率高达94.27%,信息识别率为105.07bit/min,验证了混合BCI系统在识别率上的优势。最后对系统进行了优化分析,分别从SSVEP与c-VEP的相互影响及SSVEP数据长度对系统性能影响两方面进行优化探讨。本文发现:数据延时190ms能极大减弱SSVEP与c-VEP的相互干扰,优化系统性能;SSVEP数据长度为0.5s时,能在保持92.06%高识别率的同时将系统信息传输率提升至120.87bit/min。