论文部分内容阅读
基于稳态视觉诱发电位（steady-state visual evoked potential,SSVEP）的脑-机接 口系统（brain-computer interface system,BCIs）是一.类主流脑-机接口系统。它能够以较低的软/硬件成本实现无创、高信息传输速率（information transfer rate,ITR）的脑-机直接通信,因此成为BCI领域的研究热点。但受限于人类生理机制,SSVEP-BCI尤其是中高频SSVEP-BCI通常难以提供较多的备选目标指令。针对该问题,本文从范式编码优化及训练成本优化两方面展开研究,为多目标高频SSVEP-BCI应用提供可行的技术方法和实现方案。在多目标编码方面,本文基于时分编码思想,提出了多码元时分编码方法（multi-symbol time division coding,MSTDC）,以及响应差异最大化编码准则和优化算法,可在有限码元的基础上实现任意数量的码字目标编码。应用该方法,本文设计并实现了一套有多目标高频SSVEP-BCI系统。该系统采用时分相位编码方式,在30Hz单一刺激频率下,以0,π/2,π,3π/2四种相位刺激作为码元,实现了 40个备选码字目标。在12名被试者参与的在线实验中,该系统实现了96.77%±2.47%的平均识别准确率以及119.05±6.11 bits/min的平均ITR。为了提高训练效率,本文进一步提出了 Template-splicing TRCA（TS-TRCA）算法。该算法能够在避免重复训练的条件下,实现备选目标数量的动态扩展。通过该方法,本文在采用40备选目标数据集条件下实现了 72种备选目标的检测与识别,并达到86.23%±7.75%的平均识别准确率和95.68± 14.19 bits/min的平均ITR。为了进一步降低训练成本,本文应用MSTDC设计了一套少训练SSVEP-BCI系统。该系统采用单一目标刺激的训练方式生成所有码元的训练模板,极大地简化了 SSVEP-BCI训练过程。在TS-TRCA的基础上,本文进一步提出了适用于该少训练系统的symbol-TRCA算法。包含40个高频目标的在线实验中,每人仅需36s训练时间,就实现了 97.41±19.12bits/min的平均ITR。实验结果表明,该系统是集多目标、易训练、舒适度高等优势于一体的SSVEP-BCI系统。