CN112783314B - 基于ssvep的脑机接口刺激范式生成、检测方法、系统、介质、终端 - Google Patents

基于ssvep的脑机接口刺激范式生成、检测方法、系统、介质、终端 Download PDF

Info

Publication number
CN112783314B
CN112783314B CN201911078802.3A CN201911078802A CN112783314B CN 112783314 B CN112783314 B CN 112783314B CN 201911078802 A CN201911078802 A CN 201911078802A CN 112783314 B CN112783314 B CN 112783314B
Authority
CN
China
Prior art keywords
brain
computer interface
ssvep
targets
stimulation paradigm
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.)
Active
Application number
CN201911078802.3A
Other languages
English (en)
Other versions
CN112783314A (zh
Inventor
赵曦
王振宇
张敏
胡宏林
周婷
徐天衡
朱正航
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.)
Shanghai Advanced Research Institute of CAS
Original Assignee
Shanghai Advanced Research Institute of CAS
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 Shanghai Advanced Research Institute of CAS filed Critical Shanghai Advanced Research Institute of CAS
Priority to CN201911078802.3A priority Critical patent/CN112783314B/zh
Publication of CN112783314A publication Critical patent/CN112783314A/zh
Application granted granted Critical
Publication of CN112783314B publication Critical patent/CN112783314B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Neurosurgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Neurology (AREA)
  • Health & Medical Sciences (AREA)
  • Dermatology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供一种基于SSVEP的脑机接口刺激范式生成、检测方法、系统、介质、终端，包括以下步骤：设定预设数量个目标，并将所述目标分为两组；令第一组目标均匀分布并以不同频率闪烁；令第二组目标与所述第一组目标相间设置，以借助所述第一组目标的闪烁而被识别。本发明的基于SSVEP的脑机接口刺激范式生成、检测方法、系统、介质、终端通过利用视觉余光构建一种全新的刺激范式，从而有效降低由长时间注视闪烁刺激所产生的视觉疲劳，且保证了系统性能。

Description

基于SSVEP的脑机接口刺激范式生成、检测方法、系统、介质、终端
技术领域
本发明涉及脑机接口，特别是涉及一种基于SSVEP的脑机接口刺激范式生成、检测方法、系统、介质、终端。
背景技术
脑机接口技术是在人脑与计算机、手机等其他电子通信设备之间建立直接的交流和控制的技术，其在人或动物脑(或者脑细胞的培养物)与外部设备间建立直接连接通路。在单向脑机接口的情况下，计算机或者接受脑传来的命令，或者发送信号到脑(例如视频重建)，但不能同时发送和接收信号。而双向脑机接口允许脑和外部设备间的双向信息交换。通过这项技术，人就可以解放双手直接用大脑的活动信号与计算机交互，实现对机器或者是电子设备的直接控制。因此，脑机接口技术是一种涉及大脑科学、神经科学、信号检测、信号处理、模式识别等多学科交叉技术。
现有技术中，脑机接口主要可以分为以下两大类：
(1)主动式脑机接口
主动式脑机接口以目前被研究领域广为研究的运动想象为代表，即用户大脑主动想象自己想要执行的操作，这些想象信号被采集后经过分析即可解码出用户的意图，并在电子设备上呈现出来。然而，该方式的缺点也是很明显。人脑中存在的相当大的背景噪声降低了想象信号的信噪比，较低的判别精度限制了该技术的应用场景。
(2)被动式脑机接口
被动式脑机接口以事件相关电位(Event Related Potential，ERP)和稳态视觉刺激(Steady State Visual Evoked Potentials，SSVEP)的解决方案为代表，其中SSVEP信号拥有最高的信噪比。因此基于SSVEP的脑机接口技术为广大研究人员和用户所认可。SSVEP是指当人眼在注视固定频率刺激的时候，人的大脑视觉皮层会产生一个连续稳定的与刺激有关(与刺激频率相同或倍频的信号)的响应。相对于其他信号(例如P300、运动想象)的脑机接口技术，基于SSVEP的脑机接口具有更高的信息传输速率，更高的信噪比，系统和实验设计更加简便，需要的训练量也较少等显著优势。
目前，为研究领域所广泛研究的基于SSVEP的脑机接口技术的刺激范式主要有以下两种：
第一种刺激范式如图1所示，电脑屏幕上的每一个圆形目标代表不同的操作指令(这里以打字为例)，且每个圆形目标以不同的频率闪烁，系统将采集到的用户脑电的与对应频率的波形进行比对，然后匹配对应的频率的波形，检测到频率后执行对应频率的圆形目标对应的操作指令(如打印出与之对应的字母或符号或执行相应的操作)。
第二种刺激范式如图2所示，与图1中的刺激范式类似，但是每个目标由两种频率的闪烁刺激组合而成，即将一个圆分成了两部分，每个部分都以不同的频率闪烁，以此来增加每个目标的区分度。系统将采集到的脑电信号和融合了两种刺激频率的波形做比对，然后匹配与之对应的频率的波形，检测到每个目标对应的两种频率后执行目标对应的操作(如，打印出相应的字母或符号或执行相应的操作)。
然而，无论是图1所示还是图2所示的SSVEP刺激范式都有着大面积的闪烁刺激。目前SSVEP的主流研究都是基于稳定的视觉刺激来诱发大脑产生被动的响应，以此来控制电子设备做出相应闪烁刺激所对应的响应。根据实验中受试者的反应，长时间注视这些大面积的闪烁会产生很大程度的视觉疲劳，而且长时间的视觉闪烁刺激也是癫痫病的诱因之一。因此，上述基于SSVEP刺激范式只能是被动式脑机接口的一种过渡方案。
SSVEP刺激范式所对应脑电信号分析算法中以典型相关分析(CanonicalCorrelation Analysis，CCA)和任务相关成分分析(Task Related Component Analysis，TRCA)为代表。其中CCA由于用户在使用脑机接口设备前不需要提前训练成为了最后可能被应用的算法之一。而TRCA算法虽然需要用户在使用前做少量的训练，但是其强大的识别精度预示着这种方案在未来也具有极大应用前景。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于SSVEP的脑机接口刺激范式生成、检测方法、系统、介质、终端，通过利用视觉余光构建一种全新的刺激范式，从而有效降低由长时间注视闪烁刺激所产生的视觉疲劳，且保证了系统性能。
为实现上述目的及其他相关目的，本发明提供一种基于SSVEP的脑机接口刺激范式生方法，包括以下步骤：设定预设数量个目标，并将所述目标分为两组；令第一组目标均匀分布并以不同频率闪烁；令第二组目标与所述第一组目标相间设置，以借助所述第一组目标的闪烁而被识别。
于本发明一实施例中，所述第一组目标和所述第二组目标的数量相等。
于本发明一实施例中，所述预设数量为40个，其中20个目标的闪烁频率分别为9Hz，9.4Hz，9.8Hz，10.2Hz，10.6Hz，11Hz，11.4Hz，11.8Hz，12.2Hz，12.6Hz，13Hz，13.4Hz，13.8Hz，14.2Hz，14.6Hz，15Hz，15.4Hz，15.8Hz，16.2Hz和16.6Hz。
本发明提供一种基于SSVEP的脑机接口刺激范式检测方法，包括以下步骤：
根据上述的基于SSVEP的脑机接口刺激范式生成方法生成基于SSVEP的脑机接口刺激范式；
对于所述脑机接口刺激范式的每个目标，进行第一预设数量次脑电信号采集；每次信号采集时采集注视所述目标时第二预设数量个采集通道上的脑电信号；基于任务相关成分分析算法处理采集到所有脑电信号，获取各个采集通道的权重系数，并将每个通道的脑电信号均值与对应的权重系数的乘积作为所述目标的参考信号；
当用户注视所述脑机接口刺激范式时采集所述第二预设数量个通道上的脑电信号，并将各个通道的脑电信号与该通道对应的权重系数的乘积作为检测信号；
对所述检测信号和所有参考信号进行相关性分析，将相关系数最大的参考信号对应的目标判定为用户注视的目标。
于本发明一实施例中，还包括对采集到的脑电信号进行带通滤波。
于本发明一实施例中，采用5-45Hz的FIR带通滤波器进行带通滤波。
于本发明一实施例中，所述第二预设数量为64个。
对应地，本发明提供一种基于SSVEP的脑机接口刺激范式检测系统，包括刺激范式生成模块、参考信号生成模块、检测信号生成模块和检测模块；
所述刺激范式生成模块用于根据上述的基于SSVEP的脑机接口刺激范式生成方法生成基于SSVEP的脑机接口刺激范式；
所述参考信号生成模块用于对于所述脑机接口刺激范式的每个目标，进行第一预设数量次脑电信号采集；每次信号采集时采集注视所述目标时第二预设数量个采集通道上的脑电信号并进行带通滤波；基于任务相关成分分析算法处理采集到所有脑电信号，获取各个采集通道的权重系数，并将每个通道的脑电信号均值与对应的权重系数的乘积作为所述目标的参考信号；
所述检测信号生成模块用于当用户注视所述脑机接口刺激范式时采集所述第二预设数量个通道上的脑电信号，并将各个通道的脑电信号与该通道对应的权重系数的乘积作为检测信号；
所述检测模块用于对所述检测信号和所有参考信号进行相关性分析，将相关系数最大的参考信号对应的目标判定为用户注视的目标。
本发明提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的基于SSVEP的脑机接口刺激范式检测方法。
最后，本发明提供一种终端，包括：处理器及存储器；
所述存储器用于存储计算机程序；
所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行上述的基于SSVEP的脑机接口刺激范式检测方法。
如上所述，本发明的基于SSVEP的脑机接口刺激范式生成、检测方法、系统、介质、终端，具有以下有益效果：
(1)通过利用视觉余光构建一种全新的刺激范式，有效降低由长时间注视闪烁刺激所产生的视觉疲劳，且保证了系统性能；
(2)拓宽了基于SSVEP的脑机接口设备的应用场景，改善了用户体验；
(3)兼容度好，可以适用到传统的刺激范式下，且传统刺激范式对应的需要训练的基于SSVEP的脑机接口系统的检测算法都可以适配到本发明的刺激范式下；
(4)可以作为基于SSVEP的脑机接口系统向基于没有闪烁的视觉诱发电位(VisualEvoked Potential，VEP)脑机接口系统的有效过渡方案。
附图说明
图1显示为现有技术中的基于SSVEP的脑机接口刺激范式于一实施例中的示意图；
图2显示为现有技术中的基于SSVEP的脑机接口刺激范式于一实施例中的示意图；
图3显示为本发明的基于SSVEP的脑机接口刺激范式于一实施例中的示意图；
图4显示为本发明的基于SSVEP的脑机接口刺激范式生成方法于一实施例中的流程图；
图5显示为本发明的基于SSVEP的脑机接口刺激范式检测方法于一实施例中的流程图；
图6显示为本发明的基于SSVEP的脑机接口刺激范式检测系统于一实施例中的结构示意图；
图7显示为本发明的终端于一实施例中的结构示意图。
元件标号说明
61   刺激范式生成模块
62   参考信号生成模块
63   检测信号生成模块
64   检测模块
71   处理器
72   存储器
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
本发明的基于SSVEP的脑机接口刺激范式生成、检测方法、系统、介质、终端通过利用视觉余光构建一种全新的刺激范式，其只使用了一半闪烁刺激面积，且有效保证了目标的数量。其中一半的目标设置在闪烁刺激的图案上，另外一半的目标设置在两个闪烁目标的中间位置，利用两个闪烁目标在眼睛余光中的光线余量来呈现出新的刺激，从而有效降低由长时间注视闪烁刺激所产生的视觉疲劳，且保证了系统性能，可兼容于现有的大部分需要训练的基于SSVEP的脑机接口的检测算法。
如图4所示，于一实施例中，本发明的基于SSVEP的脑机接口刺激范式生方法包括以下步骤：
步骤S41、设定预设数量个目标，并将所述目标分为两组。
具体地，本发明的基于SSVEP的脑机接口刺激范式所包含的目标数量设定为预设数量，如40个。所述40个目标即用户需要计算机执行的40个操作。以打字为例说明，设定所述40个目标分别代表26个英文字母(A～Z)以及常用的12个常用的符号(,.:；/<>～？+*-)，两个常用的操作(空格和退格)。
为了减伤闪烁刺激面积，本发明将所述目标分为两组，以针对不同组的目标执行不同的闪烁控制。优选地，两组的目标数量相同，如每组包含20个目标。
步骤S42、令第一组目标均匀分布并以不同频率闪烁。
具体地，所述第一组目标按照矩阵方式均匀分布，从而保证各处的闪烁光线较为均匀。优选地，20个目标被特定的圆形闪烁刺激调制，对应的闪烁频率分别为9Hz，9.4Hz，9.8Hz，10.2Hz，10.6Hz，11Hz，11.4Hz，11.8Hz，12.2Hz，12.6Hz，13Hz，13.4Hz，13.8Hz，14.2Hz，14.6Hz，15Hz，15.4Hz，15.8Hz，16.2Hz，16.6Hz。需要说明的是，闪烁的形状不局限于圆形，凡是能够实现频率闪烁的其他形状均在本发明的保护范围之列，如方形、菱形、椭圆形等等。
步骤S43、令第二组目标与所述第一组目标相间设置，以借助所述第一组目标的闪烁而被识别。
具体地，20个目标给出了需要注视的位置，将借助与之相邻的圆形闪烁刺激的余光来进行识别。其中将第二组中的目标设置在第一组中的目标的中间位置处，从而使得每个第二组目标均可以借助第一组目标的余光被识别。
如图5所示，于一实施例中，本发明的基于SSVEP的脑机接口刺激范式检测方法包括以下步骤：
步骤S51、根据上述的基于SSVEP的脑机接口刺激范式生成方法生成基于SSVEP的脑机接口刺激范式。
具体地，本发明的基于SSVEP的脑机接口刺激范式检测方法基于前述的刺激范式而言，故首先需生成对应的刺激方范式。
步骤S52、对于所述脑机接口刺激范式的每个目标，进行第一预设数量次脑电信号采集；每次信号采集时采集注视所述目标时第二预设数量个采集通道上的脑电信号；基于任务相关成分分析算法处理采集到所有脑电信号，获取各个采集通道的权重系数，并将每个通道的脑电信号均值与对应的权重系数的乘积作为所述目标的参考信号。
具体地，在首次进行刺激范式检测时，需生成其中各个目标的参考信号。后续进行刺激范式检测时，可直接利用之前生成的参考信号，无需重复操作。
对于所述刺激范式中的每个目标，均需生成对应的参考信号。其中，对于每个目标，通过第二预设数量个采集通道采集用户的脑电信号，并重复采集第一预设数量次。在本发明中，对于脑电信号的采集设备不做限制。其中，可采用Neuroscan SynAmps2 64-256导的脑电放大器，该设备可以同时连接4个64导的电极帽，同时实现4位用户的脑电信号采集。在使用时，每个用户需要佩戴1个64导(对应头皮的64个采集点)的电极帽，从而采集64个采集通道的脑电信号。在采集过程中，用户需要重复注视一个目标第一预设数量m次。每次实验中会有3s的提示时间，在这3s中用户先选择需要注视的目标；3s后有一半目标会开始闪烁1～5s，在这个期间用户需要集中注意力注视之前选定的目标，以便于各个采集通道采集脑电信号。优选地，对采集到的脑电信号进行带通滤波，以有效抑制脑电信号的高频分量。于本发明一实施例中，采用5-45Hz的FIR带通滤波器进行带通滤波。
脑电信号采集完毕，获取m次重复实验对应的n个通道的脑电信号。采用任务相关成分分析(Task Related Component Analysis，TRCA)算法来获取各个采集通道的权重系数。TRCA是一种检测任务相关成分的分析算法，该算法假设EEG电极帽上不同通道之间的差异在于不同通道对相同的闪烁刺激的响应的信号幅度不同，不同通道的背景噪声也不同，从而建立了一个对采集到的脑电信号进行噪声抑制的数学模型。对于同一脑电信号采集设备，各个通道的权重系数是不变的，后续可进行应用。
获取各个采集通道的权重系数之后，将每个通道获取的m个脑电信号均值与该通道对应的权重系数的乘积作为所述目标的参考信号。也就是说，所述参考信号是个n维度的信号。
步骤S53、当用户注视所述脑机接口刺激范式时采集所述第二预设数量个通道上的脑电信号，并将各个通道的脑电信号与该通道对应的权重系数的乘积作为检测信号。
具体地，当需要进行刺激范式检测时，令用户注视所述脑机接口刺激范式，并采集n个通道上获取的脑电信号。将n通道的脑电信号与该通道对应的权重系数的乘积即可作为检测信号。所述检测信号也是n维度的信号。
步骤S54、对所述检测信号和所有参考信号进行相关性分析，将相关系数最大的参考信号对应的目标判定为用户注视的目标。
具体地，采用相关性分析算法计算所述检测信号和每个参考信号的相关性，获取n个相关系数。同时，判定相关系数最大的参考信号对应的目标为用户注视的目标，以使脑机设备执行该目标对应的操作，如打印出对应的字母或符号。
优选地，用户在使用本发明的基于SSVEP的脑机接口设备需要经历两个阶段。第一个阶段所有的目标对应的操作以及在计算机显示器上的位置都会显示出来，该阶段持续3s。在这个阶段中所有的目标都不会闪烁以便受试者在3s中可以快速定位到想要执行的操作对应的目标位置。完成第一个阶段后，会自动切换到第二个阶段。其中上述的一半目标会开始闪烁，用户需要注视在第一个阶段中选定的目标1～5s。在第二阶段完成后会再次进入第一个阶段并显示在第二阶段中用户注视目标所对应的操作。
如图6所示，于一实施例中，本发明的基于SSVEP的脑机接口刺激范式检测系统包括刺激范式生成模块61、参考信号生成模块62、检测信号生成模块63和检测模块64。
所述刺激范式生成模块61用于根据上述的基于SSVEP的脑机接口刺激范式生成方法生成基于SSVEP的脑机接口刺激范式。
所述参考信号生成模块62与所述所述刺激范式生成模块61相连，用于对于所述脑机接口刺激范式的每个目标，进行第一预设数量次脑电信号采集；每次信号采集时采集注视所述目标时第二预设数量个采集通道上的脑电信号并进行带通滤波；基于任务相关成分分析算法处理采集到所有脑电信号，获取各个采集通道的权重系数，并将每个通道的脑电信号均值与对应的权重系数的乘积作为所述目标的参考信号。
所述检测信号生成模块63与所述所述刺激范式生成模块61相连，用于当用户注视所述脑机接口刺激范式时采集所述第二预设数量个通道上的脑电信号，并将各个通道的脑电信号与该通道对应的权重系数的乘积作为检测信号；
所述检测模块64与所述参考信号生成模块62和所述检测信号生成模块63相连，用于对所述检测信号和所有参考信号进行相关性分析，将相关系数最大的参考信号对应的目标判定为用户注视的目标。
其中，刺激范式生成模块61、参考信号生成模块62、检测信号生成模块63和检测模块64的结构和原理与上述基于SSVEP的脑机接口刺激范式检测方法中的步骤一一对应，故在此不再赘述。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现，也可以全部以硬件的形式实现，还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如：x模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现。此外，x模块也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，一个或多个微处理器(Digital Singnal Processor，简称DSP)，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，如中央处理器(CentralProcessing Unit，简称CPU)或其它可以调用程序代码的处理器。这些模块可以集成在一起，以片上系统(System-on-a-chip，简称SOC)的形式实现。
本发明的存储介质上存储有计算机程序，该程序被处理器执行时实现上述的基于SSVEP的脑机接口刺激范式检测方法。优选地，所述存储介质包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
如图7所示，于一实施例中，本发明的终端包括：处理器71和存储器72。
所述存储器72用于存储计算机程序。
所述存储器72包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。
所述处理器71与所述存储器72相连，用于执行所述存储器72存储的计算机程序，以使所述终端执行上述的基于SSVEP的脑机接口刺激范式检测方法。
优选地，所述处理器71可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
综上所述，本发明的基于SSVEP的脑机接口刺激范式生成、检测方法、系统、介质、终端通过利用视觉余光构建一种全新的刺激范式，有效降低由长时间注视闪烁刺激所产生的视觉疲劳，且保证了系统性能；拓宽了基于SSVEP的脑机接口设备的应用场景，改善了用户体验；兼容度好，可以适用到传统的刺激范式下，且传统刺激范式对应的需要训练的基于SSVEP的脑机接口系统的检测算法都可以适配到本发明的刺激范式下；可以作为基于SSVEP的脑机接口系统向基于没有闪烁的VEP脑机接口系统的有效过渡方案。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (9)

1.一种基于SSVEP的脑机接口刺激范式检测方法，其特征在于：包括以下步骤：
根据基于SSVEP的脑机接口刺激范式生成方法生成基于SSVEP的脑机接口刺激范式；所述基于SSVEP的脑机接口刺激范式生成方法包括以下步骤：设定预设数量个目标，并将所述目标分为两组；令第一组目标均匀分布并以不同频率闪烁；令第二组目标与所述第一组目标相间设置，以借助所述第一组目标的闪烁而被识别；
对于所述脑机接口刺激范式的每个目标，进行第一预设数量次脑电信号采集；每次信号采集时采集注视所述目标时第二预设数量个采集通道上的脑电信号；基于任务相关成分分析算法处理采集到所有脑电信号，获取各个采集通道的权重系数，并将每个通道的脑电信号均值与对应的权重系数的乘积作为所述目标的参考信号；
当用户注视所述脑机接口刺激范式时采集所述第二预设数量个通道上的脑电信号，并将各个通道的脑电信号与该通道对应的权重系数的乘积作为检测信号；
对所述检测信号和所有参考信号进行相关性分析，将相关系数最大的参考信号对应的目标判定为用户注视的目标。
2.根据权利要求1所述的基于SSVEP的脑机接口刺激范式检测方法，其特征在于：还包括对采集到的脑电信号进行带通滤波。
3.根据权利要求2所述的基于SSVEP的脑机接口刺激范式检测方法，其特征在于：采用5-45Hz的FIR带通滤波器进行带通滤波。
4.根据权利要求1所述的基于SSVEP的脑机接口刺激范式检测方法，其特征在于：所述第二预设数量为64个。
5.根据权利要求1所述的基于SSVEP的脑机接口刺激范式检测方法，其特征在于：所述第一组目标和所述第二组目标的数量相等。
6.根据权利要求1所述的基于SSVEP的脑机接口刺激范式检测方法，其特征在于：所述预设数量为40个，其中20个目标的闪烁频率分别为9Hz，9.4Hz，9.8Hz，10.2Hz，10.6Hz，11Hz，11.4Hz，11.8Hz，12.2Hz，12.6Hz，13Hz，13.4Hz，13.8Hz，14.2Hz，14.6Hz，15Hz，15.4Hz，15.8Hz，16.2Hz和16.6Hz。
7.一种基于SSVEP的脑机接口刺激范式检测系统，其特征在于：包括刺激范式生成模块、参考信号生成模块、检测信号生成模块和检测模块；
所述刺激范式生成模块用于根据基于SSVEP的脑机接口刺激范式生成方法生成基于SSVEP的脑机接口刺激范式；所述基于SSVEP的脑机接口刺激范式生成方法包括以下步骤：设定预设数量个目标，并将所述目标分为两组；令第一组目标均匀分布并以不同频率闪烁；令第二组目标与所述第一组目标相间设置，以借助所述第一组目标的闪烁而被识别；
所述参考信号生成模块用于对于所述脑机接口刺激范式的每个目标，进行第一预设数量次脑电信号采集；每次信号采集时采集注视所述目标时第二预设数量个采集通道上的脑电信号并进行带通滤波；基于任务相关成分分析算法处理采集到所有脑电信号，获取各个采集通道的权重系数，并将每个通道的脑电信号均值与对应的权重系数的乘积作为所述目标的参考信号；
所述检测信号生成模块用于当用户注视所述脑机接口刺激范式时采集所述第二预设数量个通道上的脑电信号，并将各个通道的脑电信号与该通道对应的权重系数的乘积作为检测信号；
所述检测模块用于对所述检测信号和所有参考信号进行相关性分析，将相关系数最大的参考信号对应的目标判定为用户注视的目标。
8.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至6中任一项所述的基于SSVEP的脑机接口刺激范式检测方法。
9.一种终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序；
所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行权利要求1至6中任一项所述的基于SSVEP的脑机接口刺激范式检测方法。
CN201911078802.3A 2019-11-07 2019-11-07 基于ssvep的脑机接口刺激范式生成、检测方法、系统、介质、终端 Active CN112783314B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911078802.3A CN112783314B (zh) 2019-11-07 2019-11-07 基于ssvep的脑机接口刺激范式生成、检测方法、系统、介质、终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911078802.3A CN112783314B (zh) 2019-11-07 2019-11-07 基于ssvep的脑机接口刺激范式生成、检测方法、系统、介质、终端

Publications (2)

Publication Number Publication Date
CN112783314A CN112783314A (zh) 2021-05-11
CN112783314B true CN112783314B (zh) 2023-04-18

Family

ID=75747618

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911078802.3A Active CN112783314B (zh) 2019-11-07 2019-11-07 基于ssvep的脑机接口刺激范式生成、检测方法、系统、介质、终端

Country Status (1)

Country Link
CN (1) CN112783314B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114003048B (zh) * 2021-12-31 2022-04-26 季华实验室 多目标对象的运动控制方法、装置、终端设备及介质
CN116098636A (zh) * 2023-02-14 2023-05-12 上海前瞻创新研究院有限公司 基于ssvep的脑机接口刺激范式生成、检测方法、系统、介质、终端

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103399639A (zh) * 2013-08-14 2013-11-20 天津医科大学 基于ssvep和p300联合脑机接口方法及装置
CN104461007A (zh) * 2014-12-19 2015-03-25 北京理工大学 一种基于脑电信号的驾驶员辅助人车交互系统
CN109366508A (zh) * 2018-09-25 2019-02-22 中国医学科学院生物医学工程研究所 一种基于bci的高级机械臂控制系统及其实现方法
CN109582131A (zh) * 2018-10-29 2019-04-05 中国航天员科研训练中心 一种异步混合脑机接口方法及系统
CN110007769A (zh) * 2019-04-16 2019-07-12 山东建筑大学 一种基于异步脑机接口的交流系统和方法
CN110379376A (zh) * 2019-07-04 2019-10-25 北京航空航天大学 一种用于ssvep的液晶显示器及其刺激图案显示方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI449515B (zh) * 2011-10-19 2014-08-21 Univ Nat Central 步進延遲閃爍序列之腦機介面控制方法及其系統

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103399639A (zh) * 2013-08-14 2013-11-20 天津医科大学 基于ssvep和p300联合脑机接口方法及装置
CN104461007A (zh) * 2014-12-19 2015-03-25 北京理工大学 一种基于脑电信号的驾驶员辅助人车交互系统
CN109366508A (zh) * 2018-09-25 2019-02-22 中国医学科学院生物医学工程研究所 一种基于bci的高级机械臂控制系统及其实现方法
CN109582131A (zh) * 2018-10-29 2019-04-05 中国航天员科研训练中心 一种异步混合脑机接口方法及系统
CN110007769A (zh) * 2019-04-16 2019-07-12 山东建筑大学 一种基于异步脑机接口的交流系统和方法
CN110379376A (zh) * 2019-07-04 2019-10-25 北京航空航天大学 一种用于ssvep的液晶显示器及其刺激图案显示方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Zheng Yan等.A half-field stimulation pattern for SSVEP-based brain-computer interface.《2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society》.2009,第6461-6464页. *

Also Published As

Publication number Publication date
CN112783314A (zh) 2021-05-11

Similar Documents

Publication Publication Date Title
Chang et al. Eliciting dual-frequency SSVEP using a hybrid SSVEP-P300 BCI
Zhou et al. A hybrid asynchronous brain-computer interface combining SSVEP and EOG signals
Pasqualotto et al. Toward functioning and usable brain–computer interfaces (BCIs): A literature review
De Vos et al. P300 speller BCI with a mobile EEG system: comparison to a traditional amplifier
Liu et al. Implementation of SSVEP based BCI with Emotiv EPOC
Corralejo et al. A P300-based brain–computer interface aimed at operating electronic devices at home for severely disabled people
Pan et al. A comparison study of two P300 speller paradigms for brain–computer interface
Groen et al. The time course of natural scene perception with reduced attention
CN109582131B (zh) 一种异步混合脑机接口方法
CN112783314B (zh) 基于ssvep的脑机接口刺激范式生成、检测方法、系统、介质、终端
CN110262658B (zh) 一种基于强化注意的脑机接口字符输入系统及实现方法
CN109770900B (zh) 基于卷积神经网络的脑机接口指令下发方法、系统、装置
Xu et al. Emotion recognition based on double tree complex wavelet transform and machine learning in Internet of Things
CN106502404A (zh) 一种基于稳态体感诱发电位的新型脑‑机接口方法及系统
CN113282180A (zh) 一种基于脑机接口的交互系统、方法及装置
CN111820876A (zh) 一种脑电空间滤波器的动态构建方法
Nam et al. Common spatial patterns for steady-state somatosensory evoked potentials
US11717163B2 (en) Wearable device, signal processing method and device
CN116360600A (zh) 一种基于稳态视觉诱发电位的空间定位系统
Hu et al. A cross-space cnn with customized characteristics for motor imagery eeg classification
Vařeka et al. Prediction of navigational decisions in the real-world: a visual p300 event-related potentials brain-computer interface
CN110688013A (zh) 一种基于ssvep的英文键盘拼写系统及拼写方法
Shi et al. Towards portable SSVEP-based brain-computer interface using Emotiv EPOC and mobile phone
Schembri et al. The effect that auxiliary taxonomized auditory distractions have on a P300 speller while utilising low fidelity equipment
Lei et al. Common spatial pattern ensemble classifier and its application in brain-computer interface

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
GR01 Patent grant
GR01 Patent grant