脑机接口（BCI）是脑部与外部设备互联的渠道，其经过发展已经成为了一个较为成熟的技术体系。现阶段BCI已经发展成为了3大模式：侵入式、半侵入式和非侵入式。而根据现阶段不同的测量脑功能技术，形成了基于不同神经影像学技术的各有优缺点的BCI，如：基于脑电图、皮层脑电图、功能性核磁共振或功能性近红外光谱等的BCI，而其中基于脑电图的BCI根据电位类型又可以细分为：基于事件相关电位-P300、运动想象、稳态视觉诱发电位、慢皮层电位的BCI。通过对现有不同BCI范式进行分析介绍，此后又分别探讨了BCI在信号融合、新型信号、采集方式和采集设备的研发与在脑功能改变和新兴技术结合应用等领域未来的发展方向。

目的:通过高频刺激提升基于稳态视觉诱发电位（SSVEP）的脑-机接口（BCI）的用户舒适度，同时结合双频编码，克服高频导致的解码准确率下降问题。方法:基于25.5~39.6 Hz频率设计了左右视野和棋盘格视觉刺激的2种60指令双频高频编码范式。共采集了13名受试者的数据，针对SSVEP信号进行频域空域特征分析，并根据频域诱发成分优化滤波器组参数。分别采用滤波器组的扩展典型相关分析（eCCA）、集成任务相关成分分析（eTRCA）以及任务判别模式分析（TDCA）等算法进行SSVEP识别以验证范式可行性。结果:左右视野和棋盘格范式均成功诱发了稳定的SSVEP，左右视野基频及其谐波信噪比高，互调成分信噪比较弱，而棋盘格2个刺激频率的互调成分 f1+ f2的信噪比则明显高于30 Hz以上的二次谐波成分，同时还存在 f2? f1成分和2 f1? f2成分。结合脑地形图可以看出左右视野的 f1和 f2响应成分分别位于视野的对侧，而棋盘格则均集中于枕区中央。对于脑地形图振幅和信噪比的偏侧，左右视野刺激频率下PO3和PO4信噪比平均值符合对侧响应特征。5 fb?1方法为最优滤波器组设置方法，左右视野TDCA的识别正确率最高，而棋盘格eTRCA和TDCA的识别正确率比较差异没有统计学意义（ P>0.05），3种算法的信息传输速率均随数据长度的增加先升高后降低。 结论:设计的双频高频SSVEP-BCI范式能够较好平衡性能和舒适度，为实用性的大指令集BCI设计方法提供依据。

为实现低噪声、高质量的脑电信号传输,增强稳态视觉诱发电位(steady-state visual evoked potentials,SSVEP)脑机接口系统的应用能力,本研究设计了一种高效的SSVEP信号预处理滤波方法,用于去除伪迹与信号漂移.首先,本研究基于前期研究的含噪数据,进行了离线分析验证,并使用网格搜索方法,优化各滤波环节中的参数设定;然后,设计了 38 个刺激目标的拼写器,并纳入 20 名健康受试者进行在线分析.结果表明,在 2、3s时间窗下,经预处理滤波后的信号分类准确率分别提升了 8.88%与6.66%,信息传输速率分别提升了19.59%与10.5%.此外,将受试者分为初试组与经验组,并进行配对单因素方差检验,证实两组准确率具有显著差异(P2s_acc =0.02,P3s_acc =0.028).本研究的预处理滤波方法可高效去除SSVEP信号在时域与频域中的伪迹与噪声,提高分类识别的准确率,能够对其他范式脑机接口的信号预处理工作提供参考.

目的 基于稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)范式的脑机接口(brain-computer interface,BCI)主要信号响应位于枕叶区,因而通常需要使用者洗头、佩戴脑电帽并辅助使用导电膏,给实际应用带来不便.耳后区域虽然可直接通过电极贴的方式快速开展SSVEP-BCI应用,但由于SSVEP在耳后区域的响应信号较弱,最终的系统性能受限.为提升SSVEP-BCI的耳后应用性能,本研究引入左右视野刺激范式,设计耳机与凝胶电极结合的采集方式,开发了一套便携性的耳后SSVEP脑机接口应用系统.方法 系统由刺激与反馈端、数据采集端、数据处理系统3 部分构成,其中刺激与反馈端实时进行SSVEP刺激及结果显示;数据采集端可实时获取耳后区域 8 通道的脑电数据,分别支持贴片湿电极及凝胶电极方案;数据处理系统对采集到的信号实时处理识别,并将结果反馈至刺激与反馈端.最终,为验证系统性能,研究分别采用湿电极与凝胶电极的系统方案在开放环境进行了标准SSVEP刺激与左右视野SSVEP刺激的在线对照试验.结果 在线验证试验中,凝胶电极的采集方式达到95.8%±5.3%的识别正确率及(22.9±3.0)bits/min的信息传输速率,与耳后湿电极方案效果接近.且左右视野刺激范式较标准范式的识别正确率提高了 40.9%,信息传输速率提高了 14.3 bits/min.结论 以上结果表明,基于左右视野刺激范式的耳后SSVEP-BCI系统取得了很好的应用效果,使用者可快速开展脑机交互应用,有望将SSVEP-BCI推广至更广泛的应用场景.

脑机接口(BCI)是人脑和计算机或其他外部设备之间的直接连接通道,为人脑和外界的信息交互提供了一种全新的方式.BCI系统由信号采集模块、信号处理模块和交互控制模块组成,常见的BCI控制模式包括稳态视觉诱发电位、运动想象节律信号、P300电位以及混合BCI等,信号处理方法主要涉及信号预处理、特征提取和分类识别.BCI可应用于脑控拼写系统、运动控制和图像检索等.在提升信息传输速率、系统的实用化和克服个体差异方面,BCI系统的应用尚面临着挑战.

本研究提出一种基于稳态视觉诱发电位(steady state visual evoked potential,SSVEP)脑机接口的智能轮椅系统,该系统采用典型相关分析实时提取脑电信号,并产生控制信号,信号传输速率高、分析速度快.同时该轮椅采用了基于麦克纳姆轮的全方向移动系统,避免了传统轮椅转弯角度不好控制的问题.六位被试者参与了该系统的在线实验,实验结果证实,该系统可以在较高准确率的条件下,在平面内进行任意方向的移动.实验结果证实了该系统的可行性与有效性.

电动轮椅已广泛用于改善运动障碍患者的行动能力,而严重运动障碍患者因丧失运动功能而无法实现自行控制轮椅.为解决这一问题,基于脑-机接口(brain-computer interface,BCI)的控制策略被引入轮椅控制中.基于稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)的脑-机接口因具有高的信息传输率和较少的用户训练在脑-机接口领域备受关注.因此,本文综述了稳态视觉诱发电位脑-机接口驱动轮椅的现状,描述使用它们的人群,控制方式,脑控轮椅的特征提取和分类方法,以及系统性能评估方法.最后,讨论了这一领域目前面临的挑战以及研究方向.

目的 稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)是大脑对周期性视觉刺激产生的响应,已广泛应用于基于脑电(electroencephalogram,EEG)的脑-机接口(brain-computer interface,BCI).SSVEP频率响应曲线通常是以发光二极管(light emitting diode,LED)作为视觉刺激器的方式获得的.近年来,计算机显示器广泛用于产生闪烁刺激,然而基于计算机显示器的SSVEP频率响应曲线少有研究.为此,本文研究了基于计算机显示器的SSVEP频率响应特性.方法 利用采样正弦编码方法在普通LCD显示器上产生了42个刺激频率(频率范围4～45 Hz),并收集了10位健康受试者的脑电数据,以研究SSVEP幅值/信噪比(signal-to-noise ratio,SNR)与刺激频率的关系.结果 较强SSVEP响应出现在大脑枕区.SSVEP基频幅值的峰值出现在10 Hz处,且第二峰值出现在20 Hz处.SSVEP二次谐波幅值的峰值出现在6 Hz且在高刺激频率处幅值较小.低、中频段的SSVEP基频信噪比处于相当的水平.结论 本文的实验结果可以为基于计算机显示器的SSVEP-BCIs的频率选择提供依据.

目的 提出一种脑肌电结合的控制方式,用于对家居系统的控制,以提升控制的安全性和自主性.方法 提出一种结合稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)和颞肌肌电的混合脑机接口控制方式,设计并实现了一个整合5种设备的虚拟家居控制系统.其中SSVEP用于实现指令选择功能,颞肌肌电用于实现系统开关、界面切换和指令确认功能.脑电和肌电信号分别采用典型相关分析和阈值法处理后,结合系统状态共同决定系统控制指令的生成.6位受试者进行了系统验证实验,定义控制指令比和误操作率等指标以评估系统性能.结果 6位受试者均成功完成对5种家居设备的控制,控制过程中未发生误操作.设备选择/操控指令的平均指令比为106.3％.结论 本文提出的脑肌电结合的控制方式可用于家居系统的控制,且能有效减少误操作的发生,提升控制的安全性.

目的 近期利用非侵入式脑-机接口控制诸如计算机光标的虚拟对象及诸如轮椅的实际对象的研究已经证明了脑-机接口的前景.然而, 少有研究尝试利用基于头皮脑电的非侵入式脑-机接口控制机械臂.方法 引入了一个基于非侵入式脑-机接口的机械臂控制系统, 该系统由机械臂子系统和基于便携式无线脑电的脑-机接口子系统组成.机械臂子系统是一个配备有两指气动抓手的6轴Denso机械臂, 进而形成一个7自由度机械臂系统.针对机械臂的常用控制命令, 设计了一个15目标的稳态视觉诱发电位脑-机接口且只记录了顶枕区9个导联, 并用其控制一个7自由度的机械臂.为避免将刺激频率的谐波频率成分也作为刺激频率, 刺激频率范围为8.015.7 Hz, 频率间隔为0.55 Hz.无需任何训练数据的滤波器组典型相关分析方法被用于目标识别.由于机械臂由脑-机接口直接控制, 该系统允许用户通过脑-机接口的15个命令在三维空间中灵活进行机械臂运动控制.结果 来自10例健康受试者在线结果表明, 研究所构建的脑控机械臂系统具有较好的性能, 平均识别正确率高达93.87％, 最高识别正确率达100.00％.结论 实验结果证明了基于非侵入式脑-机接口技术控制机械臂的可行性.