CN109656356A - 一种ssvep脑-机接口的异步控制系统 - Google Patents

一种ssvep脑-机接口的异步控制系统 Download PDF

Info

Publication number
CN109656356A
CN109656356A CN201811344473.8A CN201811344473A CN109656356A CN 109656356 A CN109656356 A CN 109656356A CN 201811344473 A CN201811344473 A CN 201811344473A CN 109656356 A CN109656356 A CN 109656356A
Authority
CN
China
Prior art keywords
asynchronous
brain
power spectrum
module
instruction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811344473.8A
Other languages
English (en)
Inventor
杜佳乐
柯余峰
明东
张裕坤
王仲朋
宋西姊
何峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201811344473.8A priority Critical patent/CN109656356A/zh
Publication of CN109656356A publication Critical patent/CN109656356A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/01—Indexing scheme relating to G06F3/01
    • G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Dermatology (AREA)
  • General Health & Medical Sciences (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Human Computer Interaction (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种SSVEP脑‑机接口的异步控制系统，系统包括：频率识别模块、以及异步分类模块，采集到的脑电数据经数据处理提取到相应的稳态视觉诱发特征信号，用于实验任务的模式识别，识别出可能性最大的指令后，进入该指令对应的异步分类模块；所述频率识别模块，采用特征提取器，从来自预处理部分的脑电中提取反映用户意图的信号特征，用相关分析法来处理所得信号特征，找出相关系数最大的频率；所述异步分类模块用于判断出是控制指令或空闲指令，指令输出时则对应刺激方块的下方会有反馈，否则屏幕上不出现任何反馈。本发明通过先识别频率，再在频率识别的基础上识别控制态和空闲态，进而判断用户脑部当前状态(控制态/空闲态)的可行性。

Description

一种SSVEP脑-机接口的异步控制系统
技术领域
本发明涉及人机交互技术领域，尤其涉及一种SSVEP(稳态视觉诱发电位)脑-机接口的异步控制系统及方法。
背景技术
基于稳态视觉诱发电位(Steady State Visual Evoked Potentials，SSVEP)的脑-机接口(Brain Computer Interface，BCI)是最受欢迎的BCI范式之一。典型的SSVEP-BCI利用固定频率闪烁的视觉刺激所诱发的电位，将用户的视觉活动转换成实际命令，具有较高的速度和稳定性，但用户需要按照脑-机接口系统提示的开始、结束时刻来实现脑控，人需要跟随脑-机接口系统的节奏，这种同步脑-机接口系统在实际生活中应用受限，该系统发送指令不是完全按照用户的意图。而异步脑-机接口系统可以持续监测用户脑电状态，当用户有控制意图时发送指令，当用户没有控制意图时不发送指令，异步脑-机接口系统跟随用户的节奏，实现了一种更为自然的交互方式。
发明内容
本发明提供了一种SSVEP脑-机接口的异步控制系统，本发明通过先识别频率，再在频率识别的基础上识别控制态和空闲态，进而判断用户脑部当前状态(控制态/空闲态)的可行性，可以用于残疾人辅助、电子娱乐、工业控制、航天工程等领域，使得脑-机交互更加自然、更加贴近实际生活应用，详见下文描述：
一种SSVEP脑-机接口的异步控制系统，包括：依次顺序连接的稳态诱发视觉模块，脑电电极和脑电放大器等脑电采集模块、数据预处理模块，所述系统还包括：频率识别模块、以及异步分类模块，
采集到的脑电数据经数据处理提取到相应的稳态视觉诱发特征信号，用于实验任务的模式识别，识别出可能性最大的指令后，进入该指令对应的异步分类模块；
所述频率识别模块，采用特征提取器，从来自预处理部分的脑电中提取反映用户意图的信号特征，用相关分析法来处理所得信号特征，找出相关系数最大的频率；
所述异步分类模块用于判断出是控制指令或空闲指令，指令输出时则对应刺激方块的下方会有反馈，否则屏幕上不出现任何反馈；
进一步地，所述异步分类模块包括：五种识别方法，用于识别控制态、空闲态，
所述五种识别方法分别是：直接计算功率谱法、空间滤波后计算功率谱法、相关系数法、空间滤波后计算功率谱法与相关系数法在特征层面融合、空间滤波后计算功率谱法与相关系数法在决策值层面融合。
其中，所述直接计算功率谱法具体为：
对预处理后的脑电信号计算在频率的基频及其2、3、4、5谐波处的功率谱，提取特征，然后将特征送入分类器，识别出当前用户意图处于控制态还是空闲态。
其中，所述空间滤波后计算功率谱法具体为：
对预处理后的脑电信号进行空间滤波、任务相关成分分析，然后计算功率谱、提取特征、送入分类器。
进一步地，所述相关系数法具体为：将相关系数作为特征，送入分类器。
其中，所述空间滤波后计算功率谱法与相关系数法在特征层面融合具体为：
对预处理的脑电信号分别采用相关系数法、空间滤波后计算功率谱法提取特征，将得到的特征组合在一起，送入分类器，将判别结果送入通信模块。
其中，所述空间滤波后计算功率谱法与相关系数法在决策值层面融合具体为：
对预处理的脑电信号分别采用相关系数法、空间滤波后计算功率谱法提取特征、送入分类器，将两种方法得到的决策值进行加权求和，得到最终决策值，将判别结果送入通信模块。
进一步地，所述直接计算功率谱法提取到的特征为一个特征矩阵。
本发明提供的技术方案的有益效果是：
1)本发明具有相对较高的准确率和较快的反应速度，每1秒或更短时间判断一次用户状态，可以进一步应用于实际生活；
2)本发明的设计不针对特定应用场景，选用其它算法后，算法性能的验证会非常方便，且异步控制系统的策略简单、效率高，具有较高的实用价值。
附图说明
图1为一种SSVEP脑-机接口的异步控制系统的结构示意图；
图2为数据处理示意图；
图3为直接计算功率谱法的示意图；
图4为相关系数法的示意图；
图5为空间滤波后计算功率谱法示意图；
图6为特征融合法的示意图；
图7为决策值融合法的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
一种SSVEP脑-机接口的异步控制系统，参见图1包括：稳态诱发视觉模块，脑电电极和脑电放大器等脑电采集模块、数据预处理模块、频率识别模块、以及异步分类模块。
用户安静地坐在靠椅上，若想要输出某个指令，则注视屏幕上的某个闪烁方块即可；若用户没有想要输出的指令，可以闭眼、看其他地方、玩手机等等。
当用户注视闪烁方块时，用户脑电会产生相应的变化：脑电信号在大脑皮层产生，由脑电电极探测后经过脑电放大器放大、滤波后输入计算机。采集到的脑电数据再经过后续的数据处理提取相应的稳态视觉诱发特征信号，将这些特征信号应用于实验任务的模式识别，识别出可能性最大的指令后，进入该指令对应的异步分类模块，异步分类模块用于判断出指令输出类型(控制指令或空闲指令)，指令输出时则对应刺激方块的下方会有反馈，否则屏幕上不出现任何反馈。
稳态诱发视觉刺激模块，向用户发送刺激信号，其包含n个具有不同闪烁频率(f1～fn)的刺激子模块。刺激子模块的闪烁可以采用显示器呈现，也可以采用LED灯等呈现。闪烁方式可以是有刺激间隔的闪烁，也可以是无刺激间隔的连续闪烁。
脑电采集模块包含：在线采集设备，其中有脑电放大器，能够将经由多个电极从大脑头皮上采集的稳态诱发电位信号转换成离散数字信号；脑电采集以枕区为主，选取若干采集通道。
数据预处理模块，采集到的原始脑电信号，经过滤波、去工频干扰、去基线漂移等操作，去除噪声。
频率识别模块，采用特征提取器，从来自预处理部分的脑电中提取反映用户意图的信号特征，用相关分析法来处理所得信号特征，找出相关系数最大的频率。
异步分类模块，本系统针对不同的频率分别设计了异步分类模块，来区分用户脑部的控制态与空闲态。每一个异步分类模块提出了5种计算方法供选择，分别是：1)直接计算功率谱法(power spectral density,PSD)、2)空间滤波后计算功率谱法、3)相关系数法、4)空间滤波后计算功率谱法与相关系数法在特征层面融合(特征融合法)、5)空间滤波后计算功率谱法与相关系数法在决策值层面融合(决策值融合法)。
综上所述，本发明实施例通过先识别频率，再在频率识别的基础上识别控制态和空闲态，进而判断用户脑部当前状态(控制态/空闲态)的可行性，可以用于残疾人辅助、电子娱乐、工业控制、航天工程等领域，使得脑-机交互更加自然、更加贴近实际生活应用。
本发明实施例中的异步分类模块提供了以下5种方法识别控制态、空闲态：
一、直接计算功率谱法(PSD法)
如图3所示，对预处理后的脑电信号计算在频率fk的基频及其2、3、4、5谐波处的功率谱(可选但不局限于傅里叶变换(Fast Fourier Transformation，FFT)法、Welch法、Burg方法计算功率谱)，提取特征(可选p(i)、α1(i)、α2(i))，然后将特征送入分类器(可选但不局限于线性判别式分析(Linear Discriminant Analysis,LDA)分类器、逐步线性判别分析(step-wise LDA，SWLDA)分类器、支持向量机(Support Vector Machine，SVM)分类器)中，识别出当前用户意图处于控制态还是空闲态。
特征类型说明：
其中，ph，j(i)表示第i个刺激频率h次谐波(h∈Nm，Nm表示总谐波数目)处的j通道(j∈Ns，Ns表示总通道数目)的带宽为fw功率之和(例如当fi与fi+1两个刺激频率的间隔为1Hz时，fw可选0.5Hz)，因此每个频率的特征P(i)是一个Nm×Ns的特征矩阵。
其中，Pall表示该段脑电信号的总能量，公式(2)中，αh，j(i)表示fi处的h次谐波j通道能量占总能量的百分比。因此每个频率的特征A(i)是一个Nm×Ns的特征矩阵。
其中，公式(4)中，B(i)表示fi处的h次谐波j通道能量占部分能量的百分比。因此每个频率的特征B(i)是一个Nm×Ns的特征矩阵。
二、相关系数法
如图4所示，对预处理后的脑电信号采用TRCA算法计算相关系数，将相关系数作为特征，送入分类器(可选但不局限于LDA、SWLDA、SVM)。
三、空间滤波后计算功率谱法
如图5所示，对预处理后的脑电信号进行空间滤波(可以选择但不局限于采用典型相关分析(Canonical Correlation Analysis，CCA)、任务相关成分分析(Task-relatedcomponent analysis,TRCA))，然后计算功率谱、提取特征、送入分类器(参考直接计算功率谱法)，将判别结果送入通信模块。
四、空间滤波后计算功率谱法与相关系数法在特征层面融合(特征融合法)
如图6所示，对预处理的脑电信号分别采用相关系数法、空间滤波后计算功率谱法提取特征，将得到的特征组合在一起，送入分类器(可选但不局限于LDA、SWLDA、SVM)，将判别结果送入通信模块。
五、空间滤波后计算功率谱法与相关系数法在决策值层面融合(决策值融合法)
如图7所示，对预处理的脑电信号分别采用相关系数法、空间滤波后计算功率谱法提取特征、送入分类器，将两种方法得到的决策值进行加权求和，得到最终决策值，将判别结果送入通信模块。
步骤3)异步分类模块将步骤2)生成的控制指令通过通信模块发送给外部设备，并反馈给刺激界面，重复上述步骤1)。
实施例1
一种SSVEP脑-机接口的异步控制系统的结构如图1所示，包含以下几部分：稳态诱发视觉刺激模块，脑电电极和脑电放大器等脑电采集模块，数据预处理模块、频率识别模块、异步分类模块。
本系统的使用包含以下顺序步骤：
S101.刺激频率采用(但不局限于)8、9、10、11、12、13、14、15Hz，用户根据需要注视目标刺激，产生头皮脑电信号；
S102.脑电采集通道采用(但不局限于)位于枕区的导联POz,Oz,O1,O2,PO3,PO4,PO5,PO6,采集头顶信号作为参考，额前作为接地通道；电极帽采集头皮脑电信号，经脑电放大器后将信号通过计算机的I/O接口传给计算机内部的数据预处理模块；
S103.数据预处理模块对头皮脑电信号进行检测，对脑电信号在5-80Hz频率范围进行带通滤波，并在50Hz处进行陷波；
S104.频率识别模块对数据预处理模块传入的信号进行分析，对预处理后的脑电信号采用TRCA算法进行识别，得出相关系数最大的对应频率fi，并将预处理模块输出的脑电信号传给异步分类模块中该频率对应的分类子模块；
S105.异步分类模块，可将预处理后的脑电信号识别出用户当前处于控制态还是空闲态。本示例采用直接计算功率谱法：
如图3所示，对预处理后的脑电信号计算在频率fi的基频及其2、3、4、5谐波处的功率谱(可选择但不局限于FFT方法计算功率谱)，然后提取特征(可选但不局限于)A(i)，然后将特征送入(不局限于)SWLDA分类器中，识别出当前用户意图处于控制态还是空闲态。
S106.通信模块接收来自异步分类模块的识别结果，若为控制态，则将fi对应的指令发送给需要控制的外设，并反馈给刺激界面；若为空闲态，则不发送指令，并返回步骤S1。
实施例2
一种SSVEP脑-机接口的异步控制系统的结构如图1所示，包含以下几部分：稳态诱发视觉刺激模块，脑电电极和脑电放大器等脑电采集模块，数据预处理模块、频率识别模块、异步分类模块。
本系统的使用包含以下顺序步骤：
S201.刺激频率采用(但不局限于)8、9、10、11、12、13、14、15Hz，用户根据需要注视目标刺激，产生头皮脑电信号；
S202.脑电采集通道采用(但不局限于)位于枕区的导联POz,Oz,O1,O2,PO3,PO4,PO5,PO6,采集头顶信号作为参考，额前作为接地通道；电极帽采集头皮脑电信号，经脑电放大器后将信号通过计算机的I/O接口传给计算机内部的数据预处理模块。
S203.数据预处理模块对头皮脑电信号进行检测，对脑电信号在需要的频率范围进行带通滤波，并在50Hz处进行陷波；
S204.频率识别模块对数据预处理模块传入的信号进行分析，对预处理后的脑电信号采用TRCA算法进行识别，得出相关系数最大的对应频率fi，并将预处理模块输出的脑电信号传给异步分类模块中该频率对应的分类子模块；
S205.异步分类模块，可将预处理后的脑电信号识别出用户当前处于控制态还是空闲态。
本示例采用相关系数法：
如图4所示，对预处理后的脑电信号计算相关系数，将相关系数作为特征送入(不局限于)SWLDA分类器中，识别出当前用户意图处于控制态还是空闲态。
S206.通信模块接收来自异步分类模块的识别结果，若为控制态，则将fi对应的指令发送给需要控制的外设，并反馈给刺激界面；若为空闲态，则不发送指令，并返回步骤S1。
实施例3
一种SSVEP脑-机接口的异步控制系统的结构如图1所示，包含以下几部分：稳态诱发视觉刺激模块，脑电电极和脑电放大器等脑电采集模块，数据预处理模块、频率识别模块、异步分类模块。
本系统的使用包含以下顺序步骤：
S301.刺激频率采用(但不局限于)8、9、10、11、12、13、14、15Hz，用户根据需要注视目标刺激，产生头皮脑电信号；
S302.脑电采集通道采用(但不局限于)位于枕区的导联POz,Oz,O1,O2,PO3,PO4,PO5,PO6,采集头顶信号作为参考，额前作为接地通道；电极帽采集头皮脑电信号，经脑电放大器后将信号通过计算机的I/O接口传给计算机内部的数据预处理模块。
S303.数据预处理模块对头皮脑电信号进行检测，对脑电信号在5-80Hz频率范围进行带通滤波，并在50Hz处进行陷波；
S304.频率识别模块对数据预处理模块传入的信号进行分析，对预处理后的脑电信号采用TRCA算法进行识别，得出相关系数最大的对应频率fi，并将预处理模块输出的脑电信号传给异步分类模块中该频率对应的分类子模块；
S305.异步分类模块，可将预处理后的脑电信号识别出用户当前处于控制态还是空闲态。本示例采用空间滤波后计算功率谱法：
如图5所示，对预处理后的脑电信号进行空间滤波(选择但不局限于TRCA空间滤波器)，对滤波后的脑电信号的基频及其2、3、4、5次谐波处计算功率谱，将其作为特征送入(不局限于)SVM分类器中，识别出当前用户意图处于控制态还是空闲态。
S306.通信模块接收来自异步分类模块的识别结果，若为控制态，则将fi对应的指令发送给需要控制的外设，并反馈给刺激界面；若为空闲态，则不发送指令，并返回步骤S1。
实施例4
一种SSVEP脑-机接口的异步控制系统的结构如图1所示，包含以下几部分：稳态诱发视觉刺激模块，脑电电极和脑电放大器等脑电采集模块，数据预处理模块、频率识别模块、异步分类模块。
本系统的使用包含以下顺序步骤：
S401.刺激频率采用(但不局限于)8、9、10、11、12、13、14、15Hz，用户根据需要注视目标刺激，产生头皮脑电信号；
S402.脑电采集通道采用(但不局限于)位于枕区的导联POz,Oz,O1,O2,PO3,PO4,PO5,PO6,采集头顶信号作为参考，额前作为接地通道；电极帽采集头皮脑电信号，经脑电放大器后将信号通过计算机的I/O接口传给计算机内部的数据预处理模块。
S403.数据预处理模块对头皮脑电信号进行检测，对脑电信号在5-80Hz频率范围进行带通滤波，并在50Hz处进行陷波；
S404.频率识别模块对数据预处理模块传入的信号进行分析，对预处理后的脑电信号采用TRCA算法进行识别，得出相关系数最大的对应频率fi，并将预处理模块输出的脑电信号传给异步分类模块中该频率对应的分类子模块；
S405.异步分类模块，可将预处理后的脑电信号识别出用户当前处于控制态还是空闲态。
本示例采用特征融合法：
如图6所示，对预处理后的脑电信号进行空间滤波(选择但不局限于TRCA空间滤波器)，对滤波后的脑电信号的基频及其2、3、4、5次谐波处计算功率谱；同时计算预处理后脑电信号的采用(但不局限于)TRCA算法计算相关系数，将两种计算方法的特征各自归一化后组合在一起，送入(不局限于)SVM分类器中，识别出当前用户意图处于控制态还是空闲态。
S406.通信模块接收来自异步分类模块的识别结果，若为控制态，则将fi对应的指令发送给需要控制的外设，并反馈给刺激界面；若为空闲态，则不发送指令，并返回步骤S1。
实施例5
一种SSVEP脑-机接口的异步控制系统的结构如图1所示，包含以下几部分：稳态诱发视觉刺激模块，脑电电极和脑电放大器等脑电采集模块，数据预处理模块、频率识别模块、异步分类模块。
本系统的使用包含以下顺序步骤：
S501.刺激频率采用(但不局限于)8、9、10、11、12、13、14、15Hz，用户根据需要注视目标刺激，产生头皮脑电信号；
S502.脑电采集通道采用(但不局限于)位于枕区的导联POz,Oz,O1,O2,PO3,PO4,PO5,PO6,采集头顶信号作为参考，额前作为接地通道；电极帽采集头皮脑电信号，经脑电放大器后将信号通过计算机的I/O接口传给计算机内部的数据预处理模块。
S503.数据预处理模块对头皮脑电信号进行检测，对脑电信号在5-80Hz频率范围进行带通滤波，并在50Hz处进行陷波；
S504.频率识别模块对数据预处理模块传入的信号进行分析，对预处理后的脑电信号采用TRCA算法进行识别，得出相关系数最大的对应频率fi，并将预处理模块输出的脑电信号传给异步分类模块中该频率对应的分类子模块；
S505.异步分类模块，可将预处理后的脑电信号识别出用户当前处于控制态还是空闲态。
本示例采用决策值融合法：
如图7所示，对预处理后的脑电信号进行空间滤波(选择但不局限于TRCA空间滤波器)，对滤波后的脑电信号的基频及其2、3、4、5次谐波处计算功率谱，将其作为特征送入SWLDA分类器，得到决策值；同时计算预处理后脑电信号的采用(但不局限于)TRCA算法计算相关系数，将相关系数作为特征值送入SWLDA分类器，得到决策值；将两种计算方法的决策值加权融合在一起，例如权重分别为0.75、0.25，根据加权后的决策值识别出当前用户意图处于控制态还是空闲态。
S506.通信模块接收来自异步分类模块的识别结果，若为控制态，则将fi对应的指令发送给需要控制的外设，并反馈给刺激界面；若为空闲态，则不发送指令，并返回步骤S1。
本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种SSVEP脑-机接口的异步控制系统，包括：依次顺序连接的稳态诱发视觉模块，脑电电极和脑电放大器等脑电采集模块、数据预处理模块，其特征在于，所述系统还包括：频率识别模块、以及异步分类模块，
采集到的脑电数据经数据处理提取到相应的稳态视觉诱发特征信号，用于实验任务的模式识别，识别出可能性最大的指令后，进入该指令对应的异步分类模块；
所述频率识别模块，采用特征提取器，从来自预处理部分的脑电中提取反映用户意图的信号特征，用相关分析法来处理所得信号特征，找出相关系数最大的频率；
所述异步分类模块用于判断出是控制指令或空闲指令，指令输出时则对应刺激方块的下方会有反馈，否则屏幕上不出现任何反馈。
2.根据权利要求1所述的一种SSVEP脑-机接口的异步控制系统，其特征在于，所述异步分类模块包括：五种识别方法，用于识别控制态、空闲态，
所述五种识别方法分别是：直接计算功率谱法、空间滤波后计算功率谱法、相关系数法、空间滤波后计算功率谱法与相关系数法在特征层面融合、空间滤波后计算功率谱法与相关系数法在决策值层面融合。
3.根据权利要求1所述的一种SSVEP脑-机接口的异步控制系统，其特征在于，所述直接计算功率谱法具体为：
对预处理后的脑电信号计算在频率的基频及其2、3、4、5谐波处的功率谱，提取特征，然后将特征送入分类器，识别出当前用户意图处于控制态还是空闲态。
4.根据权利要求2所述的一种SSVEP脑-机接口的异步控制系统，其特征在于，所述空间滤波后计算功率谱法具体为：
对预处理后的脑电信号进行空间滤波、任务相关成分分析，然后计算功率谱、提取特征、送入分类器。
5.根据权利要求2所述的一种SSVEP脑-机接口的异步控制系统，其特征在于，所述相关系数法具体为：将相关系数作为特征，送入分类器。
6.根据权利要求2所述的一种SSVEP脑-机接口的异步控制系统，其特征在于，所述空间滤波后计算功率谱法与相关系数法在特征层面融合具体为：
对预处理的脑电信号分别采用相关系数法、空间滤波后计算功率谱法提取特征，将得到的特征组合在一起，送入分类器，将判别结果送入通信模块。
7.根据权利要求2所述的一种SSVEP脑-机接口的异步控制系统，其特征在于，所述空间滤波后计算功率谱法与相关系数法在决策值层面融合具体为：
对预处理的脑电信号分别采用相关系数法、空间滤波后计算功率谱法提取特征、送入分类器，将两种方法得到的决策值进行加权求和，得到最终决策值，将判别结果送入通信模块。
8.根据权利要求3所述的一种SSVEP脑-机接口的异步控制系统，其特征在于，所述直接计算功率谱法提取到的特征为一个特征矩阵。
CN201811344473.8A 2018-11-13 2018-11-13 一种ssvep脑-机接口的异步控制系统 Pending CN109656356A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811344473.8A CN109656356A (zh) 2018-11-13 2018-11-13 一种ssvep脑-机接口的异步控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811344473.8A CN109656356A (zh) 2018-11-13 2018-11-13 一种ssvep脑-机接口的异步控制系统

Publications (1)

Publication Number Publication Date
CN109656356A true CN109656356A (zh) 2019-04-19

Family

ID=66110874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811344473.8A Pending CN109656356A (zh) 2018-11-13 2018-11-13 一种ssvep脑-机接口的异步控制系统

Country Status (1)

Country Link
CN (1) CN109656356A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111227793A (zh) * 2020-01-10 2020-06-05 京东方科技集团股份有限公司 呼吸暂停的识别方法、系统、电子设备及存储介质
CN111580643A (zh) * 2020-04-10 2020-08-25 天津大学 一种基于稳态不对称视觉诱发电位的脑-机接口方法
CN112070141A (zh) * 2020-09-01 2020-12-11 燕山大学 一种融合注意力检测的ssvep异步分类方法
CN113349802A (zh) * 2021-06-01 2021-09-07 杭州回车电子科技有限公司 基于ssvep的分类方法、系统、装置及可读存储介质
CN114237385A (zh) * 2021-11-22 2022-03-25 中国人民解放军军事科学院军事医学研究院 一种基于非侵入脑电信号的有人机脑控交互系统
CN114415833A (zh) * 2022-01-10 2022-04-29 太原理工大学 一种基于时空变频ssvep的脑电异步控制软件设计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102789441A (zh) * 2012-08-09 2012-11-21 上海海事大学 基于稳态诱发电位的异步脑机接口系统及其实现方法
CN103150023A (zh) * 2013-04-01 2013-06-12 北京理工大学 一种基于脑机接口的光标控制系统及方法
CN105824418A (zh) * 2016-03-17 2016-08-03 天津大学 一种基于非对称视觉诱发电位的脑-机接口通讯系统
CN105988582A (zh) * 2015-03-23 2016-10-05 现代自动车株式会社 显示装置、车辆和显示方法
WO2018190041A1 (ja) * 2017-04-13 2018-10-18 日本電信電話株式会社 信号分離装置及び信号分離方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102789441A (zh) * 2012-08-09 2012-11-21 上海海事大学 基于稳态诱发电位的异步脑机接口系统及其实现方法
CN103150023A (zh) * 2013-04-01 2013-06-12 北京理工大学 一种基于脑机接口的光标控制系统及方法
CN105988582A (zh) * 2015-03-23 2016-10-05 现代自动车株式会社 显示装置、车辆和显示方法
CN105824418A (zh) * 2016-03-17 2016-08-03 天津大学 一种基于非对称视觉诱发电位的脑-机接口通讯系统
WO2018190041A1 (ja) * 2017-04-13 2018-10-18 日本電信電話株式会社 信号分離装置及び信号分離方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111227793A (zh) * 2020-01-10 2020-06-05 京东方科技集团股份有限公司 呼吸暂停的识别方法、系统、电子设备及存储介质
CN111580643A (zh) * 2020-04-10 2020-08-25 天津大学 一种基于稳态不对称视觉诱发电位的脑-机接口方法
CN111580643B (zh) * 2020-04-10 2022-04-26 天津大学 一种基于稳态不对称视觉诱发电位的脑-机接口方法
CN112070141A (zh) * 2020-09-01 2020-12-11 燕山大学 一种融合注意力检测的ssvep异步分类方法
CN112070141B (zh) * 2020-09-01 2024-02-02 燕山大学 一种融合注意力检测的ssvep异步分类方法
CN113349802A (zh) * 2021-06-01 2021-09-07 杭州回车电子科技有限公司 基于ssvep的分类方法、系统、装置及可读存储介质
CN114237385A (zh) * 2021-11-22 2022-03-25 中国人民解放军军事科学院军事医学研究院 一种基于非侵入脑电信号的有人机脑控交互系统
CN114237385B (zh) * 2021-11-22 2024-01-16 中国人民解放军军事科学院军事医学研究院 一种基于非侵入脑电信号的有人机脑控交互系统
CN114415833A (zh) * 2022-01-10 2022-04-29 太原理工大学 一种基于时空变频ssvep的脑电异步控制软件设计方法
CN114415833B (zh) * 2022-01-10 2022-08-12 太原理工大学 一种基于时空变频ssvep的脑电异步控制软件设计方法

Similar Documents

Publication Publication Date Title
CN109656356A (zh) 一种ssvep脑-机接口的异步控制系统
CN102778949B (zh) 基于ssvep阻断和p300双特征的脑-机接口方法
CN106267514B (zh) 基于脑电反馈的情绪调控系统
CN101464728B (zh) 视觉运动相关神经信号为载体的人机交互方法
CN105956624B (zh) 基于空时频优化特征稀疏表示的运动想象脑电分类方法
CN102184018B (zh) 一种脑机接口系统及其控制方法
CN102274032A (zh) 一种基于脑电信号的驾驶员疲劳检测系统
CN102799267B (zh) Ssvep及阻断和p300三特征多脑-机接口方法
CN104503580A (zh) 一种对稳态视觉诱发电位脑-机接口目标的识别方法
CN104571504B (zh) 一种基于想象动作的在线脑‑机接口方法
CN102789441B (zh) 基于稳态诱发电位的异步脑机接口系统及其实现方法
CN103472922A (zh) 一种基于p300与ssvep混合式脑机接口的目的地选择系统
CN107122050B (zh) 基于csfl-gdbn的稳态运动视觉诱发电位脑-机接口方法
CN102096468A (zh) 一种基于脑-机接口的家电遥控装置及方法
CN109471530A (zh) 基于稳态视觉诱发电位和运动想象的脑控输入法
CN109271887A (zh) 一种用于脑电模式识别的复合空间滤波与模板匹配方法
CN108280414A (zh) 一种基于能量特征的运动想象脑电信号的识别方法
Ko et al. Enhancing the hybrid BCI performance with the common frequency pattern in dual-channel EEG
CN110141258A (zh) 一种情绪状态检测方法、设备及终端
CN109766751A (zh) 基于频域编码的稳态视觉诱发脑电身份识别方法及系统
Wang et al. Classification of EEG signal using convolutional neural networks
CN108523883A (zh) 一种基于实际动作建模的左右食指连续运动想象识别系统
CN109009098A (zh) 一种运动想象状态下的脑电信号特征识别方法
CN111603158A (zh) 基于电生理信号人工智能分析的疲劳驾驶告警方法及系统
CN104793743B (zh) 一种虚拟社交系统及其控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination