SSVEP.ppt

基于稳态视觉诱发电位的脑机接口系统设计及相关算法的研究 专业：信号与信息处理 导师：童基均 姓名：李琳 学号：201420601008 研究目的与意义 1、脑机接口技术（Brain-Computer Interfaces, BCI）是一种不依赖于外周神经和肌肉系统的人机交互技术，它能够帮助解决现在医疗系统尚未解决的难题。 2、脑电信号微弱，不平稳，易受用户情绪影响，因此提高脑机接口系统的鲁棒性和可靠性非常重要。 3、稳态视觉诱发电位(Steady State Visual Evoked Potential，SSVEP) 作为脑机接口的特征向量，构建一个有更高分类准确率、更快的信息传输率系统，提高系统的可靠性、鲁棒性。 基于SSVEP的脑机接口技术研究现状 1、脑-机接口分为有创和无创两种: 在有创的BCI中，主要方法是将微电极阵列植入脑中。 在无创BCI方面，主要记录头皮表面的脑电信号（包括P300、慢皮层电位、感知运动节律、稳态视觉诱发电位等）。 2、在诸多的脑机接口模式中，基于稳态视觉诱发电位的BCI系统能提供更高的分类准确率和更快的信息传输率。 目前主要有三种方式实现基于SSVEP的BCI系统: 以频率为特征，刺激源以不同的频率闪烁。（这是使用最广泛的方法） 使用相位作为特征，刺激源以同一频率但以不同相位闪烁。 同时以相位和频率作为特征，刺激源以不同的频率和相位闪烁。 研究的主要内容 SSVEP的原理： 当视觉刺激以大于4Hz的频率闪烁时，大脑信号将被刺激调制,并产生周期性的节律，该节律就是稳态视觉诱发电位(SSVEP)，表现在EEG上是在对应于刺激频率或其谐波上出现谱峰。 视觉刺激频率为15Hz的SSVEP 研究的主要内容 1.SSVEP脑机接口系统设计 基于稳态视觉诱发电位的脑机接口系统结构图 研究的主要内容 2.实验设计及数据采集 四个绿色功率LED灯来产生视觉刺激源，四个刺激源被固定在19寸液晶显示器的四边上，四个LED在不同频率下闪烁，相位保持不变，分别为13HZ，15HZ，19HZ，20HZ，对应于LED的固定位置：左边，上边，右边和下边。 研究的主要内容 3. SSVEP预处理与特征提取算法 对SSVEP信号进行空间滤波，来降低信号的噪声，增强SSVEP的信噪比 对基于SSVEP的脑电信号的特征提取算法进行了研究： 功率谱密度方法（PSDA），针对PSDA方法进行了离线数据分析 典型相关分析方法（CCA）的基本原理 在典型相关分析的相关知识基础上提出一种表明模型之间相关性的方法来对频率提取算法上的创新，或者可以在CCA算法中加入分类器提高CCA算法的准确率，通过分析证明、仿真来实现该设计方案。并用实验数据验证仿真结果 研究的创新点 1、通过空间滤波使信号、噪声和系统达到最佳共振状态，提高SSVEP信号的信噪比，进一步改善BCI系统性能。 2、在典型相关分析的相关知识基础上提出一种表明模型之间相关性的方法来对频率提取算法上的创新，或者可以在CCA算法中加入分类器来提高CCA算法的准确率，通过分析证明、仿真来实现该设计方案，并用实验数据验证仿真结果效果。 研究的难点 1、电极选择和SSVEP信号增强 当设计一个BCI系统时，电极位置和数目是需要恰当选择的。电极数目越少，系统更加友好。研究表明，融合多个电极导联信号能增强SSVEP检测准确率。目前的研究中，双极融合是指以两个导联信号之差来增强SSVEP，提高SSVEP信号的信噪比。 EEG通道 研究的难点 2、相关系数的特征选择算法 相关系数是衡量两个随机变量之间线性相关程度的指标，描述的是一种非确定性的关系。典型相关分析法是利用两综合变量对立之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方法。而如何找到一种表明模型之间的相关性的方法是本论文要解决的关键问题。 3、分类器设计 利用分类器使CCA算法的准确率进一步提高，是我们要解决的关键问题。 研究的预期目标 通过此次课题的研究，能够进一步加深无创脑机接口技术的认识，提高自身理论研究的水平。能够建立合理的系统框架，通过算法的推导与证明，增强SSVEP信号以及频率提取信息，通过汉字拼写系统、电话拨号系统等应用，促进脑机接口系统走出实验室，走进实用阶段，为各类患者提供生活上的帮助。 进度安排 2015年11月-2016年1月：阅读相关文献，研究国内外相关的成果，并对相关的知识进行补充和总结。 2016年2月-2016年3月：完成SSVEP的混合脑机接口系统总体设计，刺激源的布置，调试等，并完成10-12名志愿者的招募。 2016年4月-2016年5月：完成SSVEP频率提取算法，完成不同受试者最佳刺激频率选择。完成随机共振系