空间滤波方法在脑-机接口中的应用及研究进展

随着脑-机接口技术的不断发展,通过优化数据处理算法来提高脑-机接口系统的分类正确率已成为研究热点。近年在多种脑-机接口范式中都发现空间滤波能够提高脑电信号的信噪比并优化特征提取,从而提升脑-机接口系统的分类正确率。空间滤波在基于脑电的脑-机接口中正日趋凸显其重要应用价值。综述脑-机接口中的脑电信号处理常用的空间滤波方法,包括基本空间滤波器、用于脑电预处理及特征降维的空间滤波器,以及基于诱发节律和诱发电位的脑-机接口中用于特征提取的空间滤波器,并阐述各类空间滤波方法的基本原理、构建方法及相关研究成果。最后归纳目前存在的问题并对发展趋势进行展望。     

基于混合范式的脑-机接口异步控制方法研究

自动判别使用者是否处于操作状态的异步控制问题,是脑-机接口(BCI)领域的研究热点之一。由于BCI范式主要针对区分思维指令来诱发脑电特征,导致在区分操作态上信息含量有限,难以获得较理想的异步识别结果。针对上述问题,研究一种结合事件相关电位(ERP)与稳态视觉诱发电位(SSVEP)的混合范式方法,以提升异步控制效果。采集10名被试3种状态下的19导联脑电信号,包括在正常使用BCI时的控制状态和被试目光不在BCI界面以及在睁眼静息状态下的2种空闲状态。通过提取不同状态下ERP的幅值特征与SSVEP的相关系数,区分不同的使用状态,进一步采用贝叶斯方法分别对ERP和SSVEP特征的控制态后验概率进行估计,然后将两者综合并采用阈值法对控制态和空闲态进行二分类识别。结果表明,所发展的混合范式方法在不同状态下两种特征差异同时存在,控制态下会产生更高的P300幅值与SSVEP相关系数,并且与空闲态下的特征之间存在统计学差异。对控制状态和空闲状态的总体平均识别正确率达到92.1%,AUC达到0.98。研究结果表明,混合范式方法在异步识别问题上有很好的潜力,值得进一步研究和发展。     

一种用于脑机接口的模式识别方法

基于脑电的脑机接口(BCI)是在人脑和计算机或其他电子设备之间建立的全新对外信息交流和控制技术,是一种不依赖于常规大脑信息输出通路(外围神经和肌肉组织)的脑机通讯系统.及时有效地提取和识别与运动想象有关的脑电模式可以帮助运动功能受损的病人建立一种与外界沟通的新途径.论文基于传统的特征提取方法--时频特征组合法,经过滑动窗优化,获取最佳时间段的时域均值和最佳频率段的频域功率谱均值,以此作为特征向量.基于该特征向量,用径向基概率神经网络对脑电信号进行分类.实验结果表明,该方法能够有效地提高脑电识别率,具有应用价值.     

神经元群体解码方法及其在脑-机接口中的应用

基于脑神经元放电信号的脑-机接口(brain-computer interface,BCI)系统近年来有了越来越深入的研究,它使BCI在皮层运动控制等方面更加精确、迅速.从神经工程角度,此类BCI的实现不仅依赖于多电极神经记录硬件技术的发展,还依赖于其软件技术的核心神经元群体解码方法.本文综述了目前神经元群体解码方法中已成功运用于BCI研究的四类主要算法:群矢量算法、最佳线性估计、卡尔曼滤波法、贝叶斯方法.     

数字信号处理器在脑-机接口系统中的应用

本文研究数字信号处理器(DSP)在基于稳态视觉诱发电位的脑-机接口系统中的应用,同时详细介绍了系统的构成及各部分的设计与实现方法,并展示了初步的实验结果.本系统主要由刺激器、模拟放大电路、DSP核心电路和控制外设的红外发射电路组成.所选用的都是低功耗、高速的芯片,以满足实用性和实时性的要求.软件部分采用汇编语言编程,主要包括控制信号采集、50Hz陷波和带通滤波、快速傅立叶变换、特征提取和识别.经过测试,该系统不仅可以将输入的正弦波正确地检测出来,而且对于接入的实际脑电中的诱发响应也能很好地检测和识别.因此使用DSP使脑-机接口系统的小型化、实用化是可行的.     

一种基于运动想象的脑-机接口时空滤波器迭代算法

基于运动想象的脑-机接口系统是脑-机接口中的一个主要研究方向,共空间模式(CSP)算法是一种流行的运动想象数据分析特征提取方法.共空间模式的性能依赖于恰当的带通滤波,通常高度依赖于神经生理先验知识.本研究提出一种称为共迭代时空模式(ICSTP)的运动想象时空特征提取方法,该算法用与空域滤波器设计相同的广义特征值问题优化时域滤波器,并给出了算法收敛性的证明.真实脑电数据实验结果表明算法的收敛只需数个循环,且平均正确率高于人工选择时域滤波器的标准CSP方法.     

脑机接口中一种多类运动想象任务识别新方法

目的针对脑机接口中三类运动想象任务,提出一种最小二乘法自适应滤波结合独立成分分析以及样本熵(RLS-ICA-Samp En)、多类共同空间模式(CSP)、增量式支持向量机(ISVM)相结合的脑电识别新方法,以解决脑机接口中多类运动想象正确率低的问题。方法首先采用ICA将EEG分离,然后利用样本熵自动识别分离后的噪声,再采用RLS对识别出来的噪声进行滤波,最后进行信号重构,得到去除噪声的脑电信号。多类CSP采用"一对一"CSP与多频段滤波相结合,对去噪后的脑电信号进行特征提取。通过"一对多"方式的ISVM对三类运动想象脑电信号获取的特征向量进行分类。为检验新方法的有效性,将本文方法与多类CSP+ISVM(方法 1)及RLS-ICA+多类CSP+ISVM(方法 2)进行比较。结果对三类想象任务而言,本文方法识别正确率与方法 1和2相比均高8%左右。结论与方法1和2比较,RLS-ICA-Samp En、多类CSP、ISVM相结合的脑电识别新方法能更好地适用于多类运动想象任务识别。     

基于EEG脑机接口的研究现状及在康复中的应用

脑机接口(brain computer interface,BCI)是一项不依赖大脑常规信息通路就可实现与外界环境交流的技术,通过该技术可在人脑与计算机或其他电子设备之间建立一种直接的联系,使人不依赖正常的骨骼肌肉系统就可直接控制外部设备,这就为那些思维正常但有严重功能障碍的患者带来了新的希望。近20年来BCI实现了从无到有、脑电信号从单一到混合等技术上的飞速发展,另外随着识别任务数目的增多、信息传输率及识别准确性的提高,BCI也逐渐走出了实验室,朝着实时、实用的方向发展。本文主要针对基于EEG的单一模式和混合模式脑机接口的研究现状及其在康复医学中的实际应用进行了综述,总结了不同模式BCI的功能特点及其在康复医学领域的应用潜力,以期促进BCI在康复应用中进一步发展,并提高目前康复治疗技术。     

基于判别混合高斯模型的信息积累方法及在脑机接口中的应用

设计有效的学习算法快速准确地对脑电信号(eelectroencephalogram,EEG)进行连续预测是脑机接口(brain-computer interface,BCI)研究的关键之一.本文提出了一种新颖的基于判别混合高斯模型(discriminative gaussian mixture model,DGMM)的信息积累方法.该方法通过区分度权值对分类器在各时段的输出进行积累,从而达到提高脑电信号分类精度的作用.在两个运动想象数据集上的实验结果表明该方法能够提高BCI系统的性能,具有较好的实用性.     

脑机接口中一种改进的模式识别方法

为提高脑机接口中脑电识别率，分析了特征提取方面时频特征组合法的缺点，探讨了一种改进的模式识别方法。该方法以样本类平均距离为判据，采用滑动窗优化技术，获取时域均值的最佳时间段和频域功率谱均值的最佳频率段。用经过优化的时域均值和功率谱均值组合作为特征，形成特征向量。基于该特征向量，用神经网络对脑电信号进行分类。以识别正确率为指标，将改进方法与原方法进行对比，实验结果表明改进方法能够提高脑电识别率，具有应用价值。     

基于运动想象的脑机接口关键技术研究

基于运动想象的脑机接口技术,被广泛的认为是最具有前景的一类脑机接口,但目前在该技术的发展过程中存在着一系列急需解决的问题。本文从信号获取、特征提取、模式分类、在线系统等方面,介绍了一些解决问题的方法,特别是基于笔者长期研究工作的系列解决方案。如信号获取中能够去除低频偏置的放大器设计方法;特征识别方面针对在运动想象脑机接口中广泛使用的共空间模式方法的改进算法,使其具有更强的抗噪音能力;模式识别方面所提出的基于线性判别分析的改进算法,以较大幅度提高分类准确率。最后介绍了基于上述方法而设计实现的一种基于运动想象和运动启动电位的在线脑机接口系统。     

脑机接口的广义核线性判别分析方法研究

针对脑机接口中脑电信号处理,提出了一种基于核方法和广义奇异值分解(GSVD)的广义核线性判别分析(GKLDA)方法,对两类脑电信号进行特征提取。首先在非线性核函数映射的核空间对样本做线性判别分析,针对"小样本采样问题",采用GSVD求解一种非线性空域滤波器。算法验证中,采用BCI竞赛一数据集、竞赛二数据集Ⅳ和竞赛三数据集ⅢB中S4b等3组公开数据,以及一组自行采集的想象左右手运动的数据,同时分别与核共空间模式(KCSP)、核线性判别分析(KDA)、广义判别分析(GDA)进行对比。分类器采用Fisher线性判别分析分类器。所提出的方法针对3组公开数据,正确率分别为93%、77%、80%,自行数据正确率为97%,且优于其他几种核方法。实验结果表明,GKLDA方法是脑机接口中一种新的有效的特征提取方法。     

面向脑机接口的脑电采集设备硬件系统综述

脑机接口技术(BCI)可为人脑和外界建立一种全新的直接的交互方式,具有非常广阔的应用前景。脑电采集设备作为脑机接口采集信号的重要手段和途径,是其技术的关键和基础,已得到广泛关注。近年脑机接口研究呈爆炸式增长,各种脑电采集技术与应用不断涌现。未来,脑电采集设备在科学、医疗、军事、生活等领域具有巨大的应用潜力。为理清目前脑电采集设备硬件系统的发展现状和发展方向,从基本组成结构、性能优化电路以及现有产品等方面进行剖析。归纳脑电采集设备的4个主要组成部分,进一步分类并讨论脑电采集设备性能优化方法;对比现有的主流产品的关键指标,探讨它们的功能特性;分析现有脑电采集设备的不足之处,并对其发展趋势进行展望。     

基于P300电位的脑机接口系统中参数优化问题的研究

基于P300电位的脑机接口是脑机接口系统研究中的重要范式之一.本研究探讨双极导联选择、滤波器设计和特征窗长度这三者中,参数选择对分类正确率的影响.使用的数据为6名受试者进行12选择Oddball范式的实验数据,数据分类采用支持向量机.结果表明,通过导联优选,对不同的受试者进行定制,可以有效提高分类正确率.滤波器频带对分类正确率有一定影响,但是滤波器阶次对结果影响不大.随着特征窗长度的增加,分类正确率也会提高,因此使用较长特征窗有助于提高分类正确率.本研究结果推荐的数据处理过程为:通过导联优选为每位受试者定制最优的双极导联;滤波过程使用0.5～16 Hz,阶次为20的FIR滤波器,然后把数据降采样为32 Hz;特征窗提取时可选择刺激后0～600 ms的数据.     

An SSVEP-Actuated Brain Computer Interface Using Phase-Tagged Flickering Sequences: A Cursor System

This study presents a new steady-state visual evoked potential (SSVEP)-based brain computer interface (BCI). SSVEPs, induced by phase-tagged flashes in eight light emitting diodes (LEDs), were used to control four cursor movements (up, right, down, and left) and four button functions (on, off, right-, and left-clicks) on a screen menu. EEG signals were measured by one EEG electrode placed at Oz position, referring to the international EEG 10-20 system. Since SSVEPs are time-locked and phase-locked to the onsets of SSVEP flashes, EEG signals were bandpass-filtered and segmented into epochs, and then averaged across a number of epochs to sharpen the recorded SSVEPs. Phase lags between the measured SSVEPs and a reference SSVEP were measured, and targets were recognized based on these phase lags. The current design used eight LEDs to flicker at 31.25 Hz with 45° phase margin between any two adjacent SSVEP flickers. The SSVEP responses were filtered within 29.25–33.25 Hz and then averaged over 60 epochs. Owing to the utilization of high-frequency flickers, the induced SSVEPs were away from low-frequency noises, 60 Hz electricity noise, and eye movement artifacts. As a consequence, we achieved a simple architecture that did not require eye movement monitoring or other artifact detection and removal. The high-frequency design also achieved a flicker fusion effect for better visualization. Seven subjects were recruited in this study to sequentially input a command sequence, consisting of a sequence of eight cursor functions, repeated three times. The accuracy and information transfer rate (mean ± SD) over the seven subjects were 93.14 ± 5.73% and 28.29 ± 12.19 bits/min, respectively. The proposed system can provide a reliable channel for severely disabled patients to communicate with external environments.     

The Brain Computer Interface Using Flash Visual Evoked Potential and Independent Component Analysis

In this study flashing stimuli, such as digits or letters, are displayed on a LCD screen to induce flash visual evoked potentials (FVEPs). The aim of the proposed interface is to generate desired strings while one stares at target stimulus one after one. To effectively extract visually-induced neural activities with superior signal-to-noise ratio, independent component analysis (ICA) is employed to decompose the measured EEG and task-related components are subsequently selected for data reconstruction. In addition, all the flickering sequences are designed to be mutually independent in order to remove the contamination induced by surrounding non-target stimuli from the ICA-recovered signals. Since FVEPs are time-locked and phase-locked to flash onsets of gazed stimulus, segmented epochs from ICA-recovered signals based on flash onsets of gazed stimulus will be sharpen after averaging whereas those based on flash onsets of non-gazed stimuli will be suppressed after averaging. The stimulus inducing the largest averaged FVEPs is identified as the gazed target and corresponding digit or letter is sent out. Five subjects were asked to gaze at each stimulus. The mean detection accuracy resulted from averaging 15 epochs was 99.7%. Another experiment was to generate a specified string ‘0287513694E’. The mean accuracy and information transfer rates were 83% and 23.06 bits/min, respectively.     

基于脑-机接口技术的虚拟现实康复训练平台

对神经损伤的瘫痪病人进行功能恢复训练时应强调患者的主动参与。开发了一套基于脑-机接口技术的虚拟现实康复训练平台。该平台采用患者在想象运动时的脑电信号作为虚拟人运动的控制信号,从而把想象运动与运动功能恢复训练结合在一起。由于虚拟现实系统的实时性与沉浸感能给受试者提供较好的训练反馈信息,因此,使用本平台有望改善患者的训练效果。详细介绍了快速在线脑-机接口算法以及虚拟现实的实时交互技术,并提供了三名受试者的实测结果。初步实验证明了该平台设计的可行性。     

基于EMD和Hilbert变换的自发脑电信号特征提取

在脑机接口研究中,针对脑电信号的特征提取,提出一种基于EMD的Hilbert变换的方法.在变换过程中根据信号的局部特征自动选择基函数,求得信号在每个时间段的希尔波特谱;以时频窗口内的统计特性作为特征,利用Fisher距离选择最佳特征集输入分类器.最后利用BCI 2003竞赛数据,通过对特征矢量的可分性和识别精度两个指标的评估,表明了所提出方法的有效性.     

A Low-Power Artificial Synapse Could One Day Interface with the Brain

正Battery technology inspires a flexible,organic,nonvolatile device for neuromorphic circuits that needs only millivolts to change state.The researchers have created a new form ofartificial synapsethat may one day be used to create flexible circuitry that could directly interface with the brain.     

An fMRI Compatible Wrist Robotic Interface to Study Brain Development in Neonates

A comprehensive understanding of the mechanisms that underlie brain development in premature infants and newborns is crucial for the identification of interventional therapies and rehabilitative strategies. fMRI has the potential to identify such mechanisms, but standard techniques used in adults cannot be implemented in infant studies in a straightforward manner. We have developed an MR safe wrist stimulating robot to systematically investigate the functional brain activity related to both spontaneous and induced wrist movements in premature babies using fMRI. We present the technical aspects of this development and the results of validation experiments. Using the device, the cortical activity associated with both active and passive finger movements were reliably identified in a healthy adult subject. In two preterm infants, passive wrist movements induced a well localized positive BOLD response in the contralateral somatosensory cortex. Furthermore, in a single preterm infant, spontaneous wrist movements were found to be associated with an adjacent cluster of activity, at the level of the infant’s primary motor cortex. The described device will allow detailed and objective fMRI studies of somatosensory and motor system development during early human life and following neonatal brain injury.