稳态视觉诱发电位频率响应特性研究

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。     

基于二维集合经验模式分解的稳态视觉诱发电位目标检测研究

稳态视觉诱发电位(SSVEP)是由持续的视觉刺激而诱发的节律性脑电信号。SSVEP频率由固定的视觉刺激频率及其谐波频率组成。二维集合经验模式分解(2D-EEMD)是经典的经验模式分解算法的改进算法,将分解拓展到二维方向上。本文首创性地将2D-EEMD应用于SSVEP。分解得到的本征模式函数(IMF)的二维图像可清晰地观测到SSVEP频率。经过噪声和伪迹滤除的SSVEP主要有效IMF成分投影到头图上,可以反映大脑对视觉刺激的时变趋势,以及大脑不同区域的反应程度,结果显示枕叶区对于视觉刺激的反应最为强烈。最后本文用短时傅里叶变换(STFT)对2D-EEMD的重构信号进行SSVEP频率提取,其识别准确率提高了16%。     

不同灰度值刺激产生的稳态视觉诱发电位比较

稳态视觉诱发电位(SSVEP)是大脑对外界光刺激的一种物理反应。本实验从光刺激的物理因素出发,研究不同灰度值刺激对SSVEP频率识别准确率的影响。本实验采用拉普拉斯融合进行空间滤波,并利用典型相关分析法进行频率识别。设置刺激界面背景为白色,改变刺激方块的灰度值,从而分析受试者的频率识别准确率。结果表明灰度值增加,频率识别准确率下降,灰度值为0时,频率识别准确率最高。     

视觉感知空间分布对SSVEP调制成分的影响

目的 研究视觉感知空间分布对稳态视觉诱发电位（steady state visual evoked potential,SSVEP）调制成分的影响,为后续研究SSVEP调制成分与认知的关系奠定基础.方法 使用两种闪烁频率分别标记两个刺激图像,设计并实现了“完全重合”、“左右半分”和“对角四分”三种不同空间分布的脑电实验.共9名被试参与此次研究.本文计算并比较了3种实验条件下SSVEP基本成分与调制成分的信噪比空间分布,并做配对t检验.结果 调制成分的信噪比在“完全重合”时远大于“左右半分”和“对角四分”,且在大部分电极处都具有显著性差异.后两种分布下调制成分非常微弱,并且“对角四分”略高于“左右半分”.结论 当不同频率的刺激图像的视觉感知空间交叠时,SSVEP调制成分强,反之,则弱,且可能与交界区域有关.因此在有关SSVEP调制成分的研究中,需考虑不同频率标记的刺激图像的空间分布对其的影响.     

基于不同闪烁频率光刺激的脑电压变化研究

目的：脑电信号是大量神经元电活动在大脑头皮表面产生的电位总和,可综合反映大脑内部功能状态和活跃程度。当人体受到外界刺激时,神经系统产生一系列复杂的生物电活动,最终反映为脑电信号。本文使用不同闪烁频率光为刺激源,对光刺激前后脑电信号时域和频域的变化特性进行分析,为利用外刺激调制脑电频率提供新的实验依据。方法：使用同一光源,分别改变其闪烁频率对受试者眼睛进行刺激,利用脑立方移动版采集不同闪烁频率光刺激下的脑电信号,记录并分析脑电信号电位幅值,及其成份δ波（1 Hz~3 Hz）、θ波（4 Hz~7 Hz）、α波（8 Hz~13 Hz）和β波（14Hz~30Hz）能量的变化情况。结果：随着光闪烁频率的增高,脑电压幅度均值和各频段能量先逐渐增大后减小,脑电幅值和各频段能量均在光闪烁频率为5 Hz时达到最大。结论：不同闪烁频率光刺激对脑电压的变化具有显著性影响：在一定阈值之下,脑电压与光闪烁频率变化一致;超过阈值后,趋势相反。该结论有助于探索脑电信号在外刺激作用下的变化规律,为利用外刺激治疗脑部疾病的方式提供了参考价值。     

基于高频双频SSVEP的脑-机接口编码方法研究

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2f1?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。5fb?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。     

稳态视觉刺激频率与诱发响应相关性的fMRI研究

稳态视觉诱发电位(SSVEP)及脑电逆问题(inverse EEG)的研究显示了大脑皮层对于不同频率的稳态视觉刺激的响应具有幅度及空间位置上的差异.本文利用功能性磁共振成像(fMRI)研究稳态视觉刺激频率与诱发响应之间的相关性.根据SSVEP的实验结果进行真fMRI实验设计,对5名被试者给予不同频率的稳态视觉刺激,同时进行了脑部的fMRI扫描,采用SPM软件进行数据处理和分析.结果显示,不同频率刺激下的响应区域均集中于初级视皮层(V1),并且均具有单侧优势效应,即右侧半球的响应强于左侧半球.该结果显示了初级视皮层单侧优势对于稳态视觉诱发响应的表现形式.本文讨论了单侧优势与刺激性质之间存在相关性的可能,以及对此做进一步研究和应用的前景.     

上肢康复训练机器人的脑机接口系统研究

脑机接口(brain-computer interface,BCI)可以把大脑皮层的电活动信号转化为机器语言直接控制外界设备。本研究提出一种基于稳态视觉诱发电位(steady state visual evoked potential,SSVEP)与Alpha波混合的脑机接口上肢康复训练机器人系统。本系统通过检测使用者枕部脑电信号Alpha波的阻断现象来切换空闲与工作状态,采用典型相关分析算法区分不同频率的SSVEP信号。利用该脑机接口系统,用户可以自主控制上肢康复训练机器人进行上肢康复训练,包括训练动作与训练时间。在线实验结果验证了本研究提出的异步脑机接口上肢康复训练机器人的可行性与有效性,该系统分析速度快且分析准确率高,为异步脑机接口的实现与应用提供了良好的理论与实践基础。     

基于眼电和稳态视觉诱发电位分析的目光跟踪方法

眼动跟踪技术作为人机交互手段和行为检测方法已广泛应用于心理学和认知科学领域的研究,基于稳态视觉诱发电位的脑-机接口也是一种备受关注的人机交互方法。本研究提出一种结合眼电和稳态视觉诱发电位同步分析的眼睛注视点位置跟踪方法,通过同步检测两种电生理信号:眼电信号(EOG)和脑电信号(EEG)来实现。主要的处理算法有:基于EOG的人机交互算法,包括基线去除、去噪声、角度变换、基准校正等;基于SSVEP的脑-机接口算法,通过典型相关分析法实现。由SSVEP判断出的目标对应的屏幕坐标可以作为眼动分析中基准校正的输入参数。实验结果表明:每0.5 sEOG-HCI可以对注视点位置进行一次识别;每2 sSSVEP-BCI可以对注视目标做一次判别;两者既可以独立运行,也可以协同工作,相比单一信号的人机交互方法,可以缩短判断时间和提高准确率。     

基于Hololens的增强现实脑-机接口研究

当前脑-机接口(BCI)发展迅速,但高性能无创BCI往往需要借助显示设备诱发特定脑电信号,其中最常用的为计算机屏幕,因其难以实现可穿戴而限制BCI的便携性。将增强现实技术(AR)与BCI相结合形成AR-BCI可以解决这一问题,提升BCI的实用性。然而已有AR-BCI研究仅有少量报道,且识别正确率与速度均有待提升。通过采用微软的可穿戴增强现实设备Hololens作为显示设备,实现一种基于稳态视觉诱发电位(SSVEP)的AR-BCI,通过Hololens设备产生视觉刺激诱发八种频率的SSVEP信号,分别开展在线与离线实验,并与基于计算机屏幕的刺激进行比较。参与实验的12名被试成功在增强现实环境中诱发出明显的SSVEP信号,利用1和2 s长的EEG信号分别实现平均88.67%和98.6%的在线识别正确率。该研究表明,AR-BCI有望在日常生活中实现可穿戴的便携化高性能控制型BCI系统。