论文部分内容阅读
P300-Speller是利用稀少事件相关电位(Event-Related Potential, ERP)—P300信号特征实现文字选择输入的经典人机交互范式。它能够实现受试者利用脑电与外界进行文字交流的功能,已公认是脑-机接口(Brain-Computer Interface, BCI)技术中目前最为有效的信息输入与交互的重要手段之一。传统6×6行列字符闪烁模式的P300-Speller因其存在可选字符数目有限、信息传输效率低、不利于大指令集传输等问题,难以满足实际应用需求。为此,引入新的编码刺激模式以改进传统P300-Speller范式、扩展其字符数、提高其信息传输率并保持较高的分类正确率是研发实用型P300-Speller BCI亟待解决的关键技术。本文首次提出了基于三维编码字符的闪烁刺激模式,并对该模式诱发产生的P300信号特征进行了细致分析,论证了其取得较高分类正确率和信息传输率的可行性。在此基础上研究设计了基于三维编码闪烁模式的64字符和125字符两种改进型P300-Speller;完成了传统6×6行列字符、三维编码64字符和125字符三种刺激模式实验;对实验数据进行了具体的预处理、特征提取与模式识别及分类正确率与信息传输率的比较分析。研究中,首先对实验数据进行滤噪、降采样等预处理。之后,分别采用Fisher系数和r2系数方法对脑电特征进行了可分性分析;利用相干平均方法提取了脑电特征并分别采用线性判别分析(Linear Discriminant Analysis, LDA)和支持向量机(Support Vector Machine, SVM)方法进行了脑电模式识别,所有被试的平均分类正确率可以达到99%以上。最后,比较了传统行列模式和新型三维编码模式的信息传输速率(Information Transfer Rate, ITR),结果表明三维编码的ITR(最高平均值为53.59bit/min)明显高于行列模式(最高平均值为32.94bit/min)。文中还利用基于集成学习思想的支持向量机递归特征筛选方法进行了导联优化。优化结果表明,大部分受试者的64导联实验数据在去掉60个次要导联后分类正确率还能稳定在80%以上,且保留的重要导联集中在头顶部,与神经电生理学预示以头皮电极监测P300的最佳位置一致。以上研究结果可望为设计开发具有大字符集、大指令集、高信息传输率和高分类正确率的新型实用P300-Speller脑-机接口提供关键技术保障。