一种基于稳态视觉诱发电位的脑控音乐播放 系统
《基于时空变频SSVEP多任务脑控系统的研究》范文

《基于时空变频SSVEP多任务脑控系统的研究》篇一一、引言随着科技的飞速发展,人类对大脑的研究越来越深入,尤其是在神经工程领域,脑机交互技术成为研究热点。
其中,基于稳态视觉诱发电位(SSVEP)的脑机接口技术在信息获取和设备控制等方面有着巨大的应用潜力。
本文旨在研究基于时空变频SSVEP多任务脑控系统,以提高脑机交互的效率和准确性。
二、SSVEP及多任务脑控系统概述SSVEP(稳态视觉诱发电位)是一种在视觉刺激下产生的脑电信号,具有高信噪比和频率编码特性,为脑机交互提供了可能。
多任务脑控系统则是利用这一技术,使系统能够同时处理多个任务,实现更复杂的交互功能。
时空变频SSVEP多任务脑控系统,通过改变视觉刺激的时空特性,实现对多个任务的精确控制。
三、时空变频SSVEP原理与技术本文提出的时空变频SSVEP技术,旨在通过改变视觉刺激的时空参数(如频率、位置等),提高大脑对信息的响应能力。
具体来说,通过设计一系列具有不同频率和空间分布的视觉刺激,激发大脑产生相应的SSVEP信号。
这些信号可以被脑电信号采集设备捕捉并转化为数字信息,进一步进行解析和响应。
四、系统设计与实现(一)系统架构设计本文所研究的多任务脑控系统采用模块化设计,主要包括视觉刺激模块、脑电信号采集模块、信号处理与解析模块以及任务执行模块。
其中,视觉刺激模块负责生成不同频率和空间分布的视觉刺激;脑电信号采集模块负责捕捉大脑产生的SSVEP信号;信号处理与解析模块则负责将采集的信号转化为可操作的数字信息;任务执行模块则根据数字信息进行响应。
(二)算法实现与优化在算法实现方面,本文主要采用频谱分析方法对SSVEP信号进行解析。
通过对采集到的脑电信号进行频谱分析,找到与特定视觉刺激对应的频率成分,从而确定用户意图。
在算法优化方面,本文提出了基于机器学习的模式识别方法,提高识别准确性和响应速度。
五、实验与分析(一)实验设计为验证本文所研究的时空变频SSVEP多任务脑控系统的性能,我们设计了一系列实验。
基于深度学习的稳态视觉诱发脑电身份识别方法及系统[发明专利]
![基于深度学习的稳态视觉诱发脑电身份识别方法及系统[发明专利]](https://img.taocdn.com/s3/m/7877df24da38376baf1faefa.png)
专利名称:基于深度学习的稳态视觉诱发脑电身份识别方法及系统
专利类型:发明专利
发明人:赵恒,胡煜,汪旭震,陈博武,宋松,李军,刘鹏
申请号:CN201811436527.3
申请日:20181128
公开号:CN109784023A
公开日:
20190521
专利内容由知识产权出版社提供
摘要:本发明属于身份信息识别技术领域,公开了一种基于深度学习的稳态视觉诱发脑电身份识别方法及系统;获取脑电信号;去噪:将采集到的脑电信号通过EMD处理,得到去噪后的脑电信号;提取数据分成三个样本,对每个样本数据进行快速傅里叶变换得到频域下的脑电数据;带通滤波;将滤波后信号用2048Hz频率进行采样后处理;构建深度网络进行训练;身份识别:识别被试者的目的。
本发明适用于具有稳态视觉诱发的脑‑机接口设备,随着系统中录入的人员的增加,训练数据随之增加,基于深度网络的特性,该系统的识别准确率会趋于高识别率的稳定。
申请人:西安电子科技大学
地址:710071 陕西省西安市太白南路2号西安电子科技大学
国籍:CN
代理机构:西安长和专利代理有限公司
更多信息请下载全文后查看。
新颖的稳态视觉诱发电位脑机接口系统

2021578脑机接口(Brain-Computer Interface ,BCI )可以自动识别人的意图,利用的是大脑的信号,能不依赖于神经系统和肌肉去控制外部设备,进而与外界交流互动。
该技术广泛用于术后康复训练、重症及残障人士的护理、智能假肢以至机械设备控制等方面[1-3]。
与其他方法相比,SSVEP 需要记录的脑电数据通道少,无需训练,还可以获得较高的识别度。
然而,目前研究通常采用在一块静态背景的不同位置上输出不同频率闪烁,每一个闪烁对应一种固定频率,同时对应着某个固定的指令,如用于脑控轮椅的方向信息,用于脑控打字的字母信息等。
例如,Omid 及其团队[4]就在黑色屏幕背景的上、下、左、右四个方向上分别施加不同频率的闪烁刺激,实现新颖的稳态视觉诱发电位脑机接口系统乔敏1,张德雨2,刘思宇3,闫天翼3,相洁11.太原理工大学信息与计算机学院,太原0306002.北京理工大学机电学院,北京1000813.北京理工大学生命学院,北京100081摘要:传统的稳态视觉诱发电位(SSVEP )脑机接口系统无法与现实世界进行交互,长时间单调的光闪烁刺激容易导致视觉疲劳,影响识别精度。
为了增强人与机器的交互以及对环境的感知,设计了增强现实(AR )和SSVEP 结合的范式,在真实环境下对物体进行识别与追踪,并将闪烁块对物体进行标记,采用滤波器组典型相关分析(FBCCA )方法对脑电信号进行处理。
结果表明,系统的控制信号传输速度达到50.69bit/min ,FBCCA 的识别正确率为99.68%,能够在1s 内对4个目标中的意图目标进行有效区分。
研究表明,基于SSVEP 和增强现实的脑机接口系统更适合于复杂的现实环境。
关键词:脑机接口;增强现实;稳态视觉诱发电位文献标志码:A中图分类号:TP 335doi :10.3778/j.issn.1002-8331.2001-0189Novel Brain-Computer Interface System Based on Steady-State Visual Evoked PotentialQIAO Min 1,ZHANG Deyu 2,LIU Siyu 3,YAN Tianyi 3,XIANG Jie 11.College of Information and Computer,Taiyuan University of Technology,Taiyuan 030600,China2.School of Electromechanics,Beijing Institute of Technology,Beijing 100081,China3.School of Life Science,Beijing Institute of Technology,Beijing 100081,ChinaAbstract :The traditional Steady-State Visual Evoked Potential (SSVEP )brain-computer interface system cannot interact with the real world,and the long time monotonous light flashing stimulation is easy to cause visual fatigue and affect the recognition accuracy.In order to enhance the interaction between humans and machines and the perception of the environ-ment,this study designs a paradigm combining Augmented Reality (AR )and SSVEP to identify and track objects in the real environment,marking objects with flashing blocks,and processing EEG signals using the Filter Bank Canonical Cor-relation Analysis (FBCCA )method.The results show that the control signal transmission speed of the system reaches 50.69bit/min,the recognition accuracy of FBCCA is 99.68%,and the intended targets can be distinguished within 1s.Studies have shown that brain computer interface systems based on SSVEP and augmented reality are more suitable for complex real-world environments.Key words :brain-computer interface;augmented reality;steady-state visual evoked potential基金项目:国家自然科学基金(61873178,61672374)。
基于嵌入式的稳态视觉诱发电位控制系统设计

基于嵌入式的稳态视觉诱发电位控制系统设计作者:鲁贝涵郭金鑫来源:《决策探索·收藏天下(中旬刊)》 2020年第2期鲁贝涵郭金鑫摘要:稳态视觉诱发电位控制系统是将采集到的脑电信号先在PC机上进行处理,之后将处理的结果反馈给上位机进行控制操作。
该系统的集成度低,信息在多次的传输过程中增加了出错的概率,降低了系统的实时性。
文章设计一套基于嵌入式的控制系统,将脑电信号处理、反馈等方法集成于ARM9嵌入式平台上,脑电信号通过采集设备后直接发送至嵌入式平台,嵌入式平台将不通过PC机的计算直接对信号进行处理,并将结果进行实时反馈。
这在不影响准确率的前提下,提高了系统的便携性,减少了由数据传输产生误差的概率。
关键词:脑机接口;稳态视觉诱发电位;ARM;嵌入式脑机接口(Brain Computer Interface,BCI)系统是一种不依赖脑正常输出通路就可以实现对脑外事物进行控制的系统。
其具有巨大的应用前景及理论研究价值,已成为脑科学、生物医学工程及人机自动控制领域的一个研究热点。
监测大脑活动的方法有多种,原则上均可为BCI 系统提供输入信号,包括头皮脑电(electroencephalography,EEG)、皮层脑电(electrocorticography,ECoG)、脑磁图(magnetoencephalography,MEG)、红外成像(functional near-infrared imaging,fNIR)等。
头皮脑电(EEG)使用干湿电极,从人脑的头皮进行采集,和ECoG相比具有无创性,同时它还具有高时间分辨率的特点。
常用的基于脑电信号的脑机接口系统有运动想象、p300、稳态视觉诱发电位。
稳态视觉诱发电位(SSVEP)是通过屏幕(或者LED光源)以不同频率闪烁来实现的脑机交互。
当人眼注视到频率大于4Hz的周期性视觉闪烁刺激时,会在大脑中产生一种周期性响应的EEG,从记录到的头表EEG信号中可以观测到和闪烁频率相关的基波及其谐波。
基于稳态视觉诱发电位的脑机接口系统的设计与研究

1 1视 觉 刺 激 器
视 觉 刺 激器 一 般 有 二 极 管 闪 烁 刺 激 和 显示 器 图形 闪烁 刺 激
系统 的控 制 对 象 。 用 由六 个伺 服 电机 驱 动 的 A R编 程 机 采 V
《 业控 制 计 算 机 》 0 1年 第 2 工 21 4卷第 5期
械 手 臂 , 来 控 制 机 械 手 臂运 动 的是 基 于 A me a 6 用 t g l 8单 片 机 的 3 2路 控 制 器 ,并 可 以通 过 R 2 2串 口和 电脑 或 其 他 单 片 机 进 S 3
的刺 激 源 , 经过 滤 波、 大 等信 号预 处理后 , 放 对采 集到 的 脑 电信 号 中的 稳 态视 觉诱 发 电位 成 分 采 用一种 基 于 滑动 窗的迭 代 式 逐 点频 谱监 测 方 法进 行诱 发 电位 的特征 提 取 和识 别 , 并将 其 转换 为 相应 的 控制 命 令 以 实现 对伺 服机 械 手臂 6种 运 动方 向的 实时
实 现 对机 器 手 臂 的 运 动 进行 设 计 和控 制 。 2 软 件 系统 的 设 计 与 实现 2 1 系统 工 作 流 程 图 . 22 信号 采 集 . 系统 采集 设 备 U B 3 5 S 72 采 集 卡 具 有 8 容 量 的 FF K IO . 《 ∞ v j
13 信 号 采 集 卡 .
S E P具 有 高 信 息传 输 率 、 短 训 练 时 间 和 特 征 易 于 提 取 等 优 SV 较 点, 因而 ,S V S E P是 一 种 比较 常用 的人 机 交互 系统 输 入 信 号 。
1 系统 组 成
通 常 有 U B 接 口和 蓝 牙 无 线 传 输 两 种 类 型 。 系 统 采 用 S
基于稳态运动视觉诱发电位与缺省刺激响应的混合脑-机接口方法[发明专利]
![基于稳态运动视觉诱发电位与缺省刺激响应的混合脑-机接口方法[发明专利]](https://img.taocdn.com/s3/m/f52f392b974bcf84b9d528ea81c758f5f61f29c7.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201610452520.5(22)申请日 2016.06.21(71)申请人 西安交通大学地址 710049 陕西省西安市碑林区咸宁西路28号(72)发明人 王晶 李曼 乐赞 (74)专利代理机构 西安通大专利代理有限责任公司 61200代理人 陆万寿(51)Int.Cl.G06F 3/01(2006.01)G06N 3/06(2006.01)(54)发明名称基于稳态运动视觉诱发电位与缺省刺激响应的混合脑-机接口方法(57)摘要本发明公开了一种基于稳态运动视觉诱发电位与缺省刺激响应的混合脑-机接口方法,包括:1)受试者佩戴电极帽,分别将电极帽上的参考电极、地电极和测试电极与受试者头部接触,目测视线与计算机屏幕平视;2)预先通过MATLAB 编写的稳态运动视觉诱发电位与缺省刺激响应混合范式程序,受试者根据目标提示选择刺激目标进行盯视,将电极帽采集得到的脑电信号存储在计算机中;3)对稳态运动视觉诱发电位特征和缺省刺激响应特征分别进行特征提取,再对刺激目标进行分类识别;4)计算机屏幕显示刺激目标识别结果,对被试者进行视觉反馈;5)重复步骤进入下一轮,直至程序结束。
本发明采用两种特征识别信息,具有操作简单、训练时间少、电极数目少等优点。
权利要求书4页 说明书12页 附图4页CN 105938397 A 2016.09.14C N 105938397A1.基于稳态运动视觉诱发电位与缺省刺激响应的混合脑-机接口方法,其特征在于,包括以下步骤:步骤1:受试者佩戴电极帽,分别将电极帽上的参考电极、地电极和测试电极与受试者头部接触,受试者目测视线与计算机屏幕平视,受试者头部距离计算机屏幕为60~90厘米,保证测试电极阻抗低于5千欧姆;步骤2:预先通过MATLAB编写的稳态运动视觉诱发电位与缺省刺激响应混合范式程序会在计算机屏幕中呈现,运行程序后,屏幕上有若干个刺激目标,受试者根据目标提示选择一个刺激目标进行双目盯视,放大器将电极帽采集得到的脑电信号经过放大、滤波、A/D转换后存储在计算机中;步骤3:计算机将存储的脑电信号进行预处理,并对稳态运动视觉诱发电位特征和缺省刺激响应特征分别进行特征提取,再对刺激目标进行分类识别;步骤4:计算机屏幕显示刺激目标识别结果,对被试者进行视觉反馈;步骤5:计算机在完成步骤4后,返回步骤2,重复步骤2-4,按照预设程序进行下一轮的刺激目标分类识别以及视觉反馈,直至程序结束。
一种基于稳态视觉诱发电位脑电信号的通道选择方法[发明专利]
![一种基于稳态视觉诱发电位脑电信号的通道选择方法[发明专利]](https://img.taocdn.com/s3/m/70c62e9564ce0508763231126edb6f1aff0071b0.png)
专利名称:一种基于稳态视觉诱发电位脑电信号的通道选择方法
专利类型:发明专利
发明人:潘隽锴,马玉良,汪婷,武薇,孙明旭,申涛
申请号:CN202111639377.8
申请日:20211229
公开号:CN114305456A
公开日:
20220412
专利内容由知识产权出版社提供
摘要:本发明公开了一种基于稳态视觉诱发电位脑电信号的通道选择方法,包括如下步骤:S1、使用脑电采集设备采集稳态视觉诱发电位脑电信号并制作数据集;S2、将数据集中的脑电信号进行预处理;S3、针对预处理后的每组新脑电信号分别进行任务相关成分分析,得到各trial下对应通道的相关系数;S4、根据相关系数选取通道。
通过空间滤波的方式抑制每个通道内的自发脑电活动,最大化通道内的任务相关成分;空间滤波后由计算得出的每个通道内对应的相关系数即可确定哪些通道可以更为明显地诱发出SSVEP响应;进而降低特征数据的维度,尽可能的减少通道数,简化了计算难度,提高系统效率和系统识别的性能,使得脑电信号识别系统更加普遍性。
申请人:杭州电子科技大学
地址:310018 浙江省杭州市钱塘新区白杨街道2号大街1158号
国籍:CN
更多信息请下载全文后查看。
面向假肢的场景动画稳态视觉诱发脑控方法

面向假肢的场景动画稳态视觉诱发脑控方法李睿;张小栋;张黎明;陆竹风【期刊名称】《西安交通大学学报》【年(卷),期】2017(051)001【摘要】针对现有脑控假肢技术的控制精度低、稳定性差的问题,基于稳态视觉诱发电位(SSVEP)的产生机理,提出一种由场景动画稳态视觉诱发的脑控新范式.该范式以正常人或残疾人的生活场景为刺激源蓝本,根据智能假肢的控制目标,在将生活场景分解为对应的独立刺激场景图、且对其进行灰度标准化处理后,采用方波调制模式对一组对比鲜明的黑白反转色图片进行视觉刺激,由此诱发出一种基于场景动画的SSVEP;进而,通过对场景动画的SSVEP神经传导过程进行数学建模与仿真,建立了一种基于典型相关分析(CCA)的脑电信号处理方法.在专用于场景动画SSVEP 的智能假肢脑控平台上进行实验,系统的平均正确率为91.41%,平均信息传输率为15.32 bit/min,其最高平均识别率达到了98.44%.实验结果表明:该方法可将正常人生活场景图与传统稳态视觉诱发方法进行结合,不仅能够提高假肢动作的平均识别精度和信息传输率,而且具备可降低使用者视觉疲劳的作用.【总页数】7页(P115-121)【作者】李睿;张小栋;张黎明;陆竹风【作者单位】西安交通大学机械工程学院,710049,西安;西安交通大学机械工程学院,710049,西安;西安交通大学现代设计及转子轴承系统教育部重点实验室,710049,西安;西安交通大学机械工程学院,710049,西安;西安交通大学机械工程学院,710049,西安【正文语种】中文【中图分类】TP911.7【相关文献】1.基于稳态视觉诱发电位的脑控轮椅的控制方式 [J], 陈小刚;徐圣普2.内模滤波新方法在视觉诱发脑电信号提取中的应用--提取视觉诱发脑电信号的新方法之四 [J], 徐宁寿;张建华;曹正才;潘映辐;铁艳梅3.基于稳态视觉诱发脑电信号的频率特征提取方法研究 [J], 张立煌;谢云4.一种基于稳态视觉诱发电位的脑控音乐播放系统 [J], 金铭;杨伟杰;赵晨;5.面向智能轮椅脑机导航的高频组合编码稳态视觉诱发电位技术研究 [J], 徐光华;张锋;王晶;谢俊;李叶平;张四聪因版权原因,仅展示原文概要,查看原文内容请购买。
一种基于稳态视觉诱发电位的脑-机接口阅读系统

一种基于稳态视觉诱发电位的脑-机接口阅读系统冯思维;魏庆国【摘要】针对目前基于脑-机接口(BCI)的应用系统较少的问题,设计了一个可以帮助严重运动障碍残疾人实现书籍阅读的系统.系统基于稳态视觉诱发电位(SSVEP)脑-机接口,采用CPLD平台设计视觉刺激模块,运用典型相关分析(CCA)算法在Visual C++平台上设计一个实时在线程序采集,分析脑电信号;并产生控制信号用于控制鼠标移动和阅读器翻页等操作.通过八位受试者的实验数据表明,设计的SSVEP脑-机接口阅读系统,产生控制指令的正确率高达94.8%,信息传输率(ITR)为40.98bit/min.该系统可以有效改善严重运动障碍残疾人无法与外界交流的生活现状,提高残疾人的生活品质.【期刊名称】《科学技术与工程》【年(卷),期】2015(015)035【总页数】5页(P204-207,212)【关键词】脑-机接口;视觉诱发电位;阅读系统;典型相关分析;C++【作者】冯思维;魏庆国【作者单位】南昌大学电子信息工程系,南昌330031;南昌大学电子信息工程系,南昌330031【正文语种】中文【中图分类】TP391.4在通常情况下,人和外部设备的通信是通过神经和肌肉通道来完成。
脑-机接口(brain-computer interface, BCI)是一条不依赖人的肌肉和外周神经等正常输出通道的新的通信系统。
运用工程技术手段,BCI可以让人的思维直接转化为外部设备的控制命令[1]。
21世纪脑科学和生物科学的研究已被欧美许多国家列为国家级科研计划,脑-机接口作为脑科学的重要组成部分,经过多年的发展,已经从实验室阶段逐步面向实用化,产品化[2]。
脑-机接口研究的一个重要应用是设计出基于脑-机接口的应用系统,以改善严重身体残疾患者和交流障碍患者的生活水平[3]。
在脑-机接口系统中,最常用到的脑电信号有事件相关同步/去同步电位,事件相关P300电位和稳态视觉诱发电位(steady state visual evoked potential, SSVEP)[1,4,5]。
基于稳态视觉诱发电位的脑-机接口研究

基于稳态视觉诱发电位的脑-机接口研究郑军【摘要】A Steady-State Visual Evoked Potentials ( SSVEP) based Brain-Computer Interfaces system whose stimuli frequency produced by a Liquid Crystal Displays (LED) is achieved. In order to extract the Steady-State Visual Evoked Potentials(SSVEP) , the Fast Fourier Transform ( FFT) and the method based on Mallat wavelet and AR model to offline analysis of the electroencephalogram are used. Analysis results show that these two methods both can extract the SSVEP signal with a high accuracy , and the FFT is more suitable for the brain-computer interface system, so it achieves a online test of the SSVEPBCIs based on FFT.%实现了一个以液晶显示器(LED)产生刺激频率的稳态视觉诱发电位(SSVEP)脑-机接口系统(BCIs).为了从脑电中提取出稳态视觉诱发电位(SSVEP)信号,运用基于快速傅里叶变换(FFT)的方法和基于Mallat小波及AR模型分析法这两种处理方法对脑电信号进行离线分析.实验结果表明,用这两种方法提取SSVEP信号都可以达到很高的准确率;而基于FFT的方法更适用于脑-机接口系统.因此用基于FFT的方法完成了这个SSVEPBCIs的在线实验.【期刊名称】《科学技术与工程》【年(卷),期】2011(011)033【总页数】6页(P8149-8154)【关键词】脑-机接口;稳态视觉诱发电位;快速傅里叶变换;Mallat小波及AR模型;脑电信号【作者】郑军【作者单位】华南理工大学自动化科学与工程学院,广州510640【正文语种】中文【中图分类】R318.04脑-机接口(Brain Computer Interface,BCI)是指在人脑和计算机或其它电子设备之间建立的直接的交流和控制通道,它不依赖于脑的正常生理输出通路(外周神经系统及肌肉组织)[1]。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
Computer Science and Application 计算机科学与应用, 2019, 9(1), 46-56 Published Online January 2019 in Hans. /journal/csa https:///10.12677/csa.2019.91006
Open Access
1. 引言
现代科技突飞猛进给人们生活带来巨大便利,各种机器设备的出现将人们从繁重的手工劳动中解放 出来,转变为与鼠标键盘、触摸屏等人机间的轻松交互。然而,这种交互方式仍需要进行特定的学习和 练习,理想的人机互动模式应当是一种更自然、更具有直觉性的手段。毫无疑问,“所想即所得”一直 是人们心中最理想的交互方式。 无论怎样的人机交互方式,都离不开我们大脑的“指挥”。通过大脑这个神经中枢,可以使人产生 不同的感觉、 控制多种多样的运动以及实现其他的高级脑功能。 探索大脑的奥秘、 解析大脑的各种活动, 对于人类社会的发展具有重大意义。脑–机接口是一个在大脑和外界之间传递信息的通讯系统,它通过 解码神经活动的相关信号,使大脑在不依赖外周神经与肌肉组织的情况下与外界进行交流[1]。 典型的 BCI 系统主要包括信号采集、信号处理和控制指令输出三个部分。首先使用脑电信号采集仪 器,通过放置在头皮表面的多个电极将微弱的大脑皮层信号收集起来,并将其传输至下级计算机进行后 续的处理。 因为脑源信号十分微弱, 并伴有大量的背景噪声,所以需要对脑源信号进行特征提取、 滤波、 去噪等处理。当脑电信号可以被准确区分出特征时,便可按需求进行指令判别,将信号处理结果聚类成 相应的控制指令,发送至目标设备,完成经由脑电信号直接控制外部设备的功能。这样一个通过采集、 放大、分析大脑信号,并将其聚类为相应的控制指令,继而实现由大脑信号直接控制外部设备的系统, 涉及脑科学、生物医学、计算机科学与技术、信息工程技术、心理学等多个研究领域,学科交叉特点十 分鲜明,所以脑–机接口技术具有非常广阔的应用前景和十分重要的科学意义。 本文所研究的脑控音乐播放系统,旨在将“所想即所得”变成现实。不仅让脑–机接口应用在高端 科研领域,而且将其带入日常生活场景中。不仅实现用脑电信号控制音乐播放的功能,还要让音乐播放 这个简单的操作变得流畅、准确、灵敏度高。同时针对脑电信号提取、识别等环节存在的信号采集不稳 定、信号分类不准确等问题进行深入的研究。
Keywords
Brain-Computer Interface, Steady-State Visual Evoked Potential, Typical Correlation Analysis
一种基于稳态视觉诱发电位的脑控音乐播放 系统
金
1 2
铭1,杨伟杰2,赵
晨2
广西大学数学与信息科学学院,广西 南宁 北京工商大学计算机与信息工程学院,北京
关键词
脑-机接口,稳态视觉诱发电位,典型相关分析
Copyright © 2019 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
3. 稳态视觉诱发电位(SSVEP)信号采集
3.1. SSVEP 概述
当人的眼睛接收到来自外界的刺激时,会令大脑产生不同的神经活动,从而在脑电信号中表现出不 同的信号成分,这叫做视觉诱发电位(Visual Evoked Potential, VEP)。无论是 VEP 的产生,还是表现在脑 电信号中的信号成分波动,都不是一个瞬时的动作,而是一个持续的过程,因而被称为 VEP 的时程。 当视觉刺激以某一较高的频率(一般应大于 6 Hz)固定闪烁时,VEP 的时程远大于视觉刺激的出现间 隔,因此 VEP 会在时间轴上发生混叠,从而使脑电信号在刺激频率处及刺激频率的倍频处产生明显的波 峰,此时的 VEP 称为稳态视觉诱发电位。 如图 1 所示,以 10 Hz 的固定闪烁刺激频率采集人脑 SSVEP 信号后,并对采集到的脑电信号进行傅 里叶变换,可以清晰地看到,在 10 Hz、20 Hz、30 Hz 处,信号幅度明显增大。SSVEP 是一种频率敏感 信号,通常会在刺激频率频谱的二倍频、三倍频处观察到信号幅值的显著变化。 SSVEP 的基本原理是给人类视网膜一个固定频率的闪烁刺激,从而诱发其大脑皮层枕叶部位产生一 定的响应,从而得到不同的脑电信号。因为 SSVEP 的信号产生时间更快,传导速率也较高,所以相比于 其他形式的脑-机接口系统,基于 SSVEP 的 BCI 系统具有更高的精度和更高的信息传输速率的优点。此 外,SSVEP 还是唯一的一种无需对被试者提前进行训练的脑–机接口范式,而且 SSVEP 范式中需要的 EEG 通道更少。 本文采用美国 NeuroScan 公司生产的 64 导数字化脑电图仪 SynAmps2 记录实验数据,如图 2 所示, 同时使用 SCAN 软件与 MATLAB 之间进行通信,以便实现脑电数据的实时传输、实时处理等工作。 如图 3、4 所示,64 个小方块分别对应脑电帽上的 64 个电极。随着脑电膏注入电极孔,可在屏幕上
A Music Player System Based on Steady-State Visual Evoked Potential
Ming Jin1, Weijie Yang2, Chen Zhao2
1 2
School of Mathematics and Information Science, Guangxi University, Nanning Guangxi School of Computer and Information Engineering, Beijing Technology and Business University, Beijing
2. 相关工作
1973 年,脑–机接口的概念被 Jacques Vidal 等人首次提出[2],并将基于稳态视觉诱发电位控制脑–
DOI: 10.12677/csa.2019.91006 47 计算机科学与应用
金铭 等
机接口系统的原理写入了个人学术论著里[3] [4]。但是直到 1999 年第一届脑–机接口世界会议召开,才 明确给出脑–机接口的概念与定义[5],脑–机接口技术才逐渐走进大众的视野。 目前,国际上对于 BCI 的分类主要有两个标准,一是依据检测脑电信号传感器放置的方式,分为需 要进行有创手术、人为破坏脑结构的侵入式 BCI 和采用无创外部电极采集信号的非侵入式 BCI;另外一个 分类标准是依据脑–机交互过程中人类主观心理活动参与程度,分为主动式、被动式和反应式 BCI 系统。 2002 年, 第一个 SSVEP-BCI 系统由清华大学的高小榕教授等人提出[6] [7]。 该系统通过匹配分析 EEG 信号和变换到频域上的刺激频率,筛选出频域特征最相似的频率,从而确定 EEG 信号和其对应的刺激频 率。2012 年,Hochberg 等人进行了一次植入式脑–机接口实验,实验对象是两名四肢瘫痪病人。在该实 验中,这两名四肢瘫痪病人最终成功利用侵入式 BCI 系统自主操控机械臂完成三维抓握动作。基于此, 我们似乎可以观测大脑的活动,预测人类的意图。然而当前所有种类的脑–机接口研究均不高效。以当 前科学界对于脑–机接口技术的研究水平,最多只能做到让瘫痪病人通过 BCI 系统来操控机械臂完成一 些简单的动作,且动作并不会和想象的一样规范、流畅[8]。这与科学界的所期望的“所想及所得”的目 标相比,还有很大差距。 综上,本文将设计并研发一个基于脑–机接口的音乐播放系统,该系统由脑电采集模块、信号处理 模块及音乐播放平台三部分组成。 该系统通过稳态视觉诱发电位(SSVEP)刺激人脑产生的不同脑电信号来 驱动播放器执行不同的音乐播放器指令,实现控制指令的远程传送,使该音乐播放系统具有脑电控制、 无按键触发、状态反馈等功能。本文剩余章节组织结构如下:第三节主要介绍 SSVEP 信号的采集;第四 节介绍脑电信号的处理;第五节介绍系统的搭建与测试;最后对文章进行总结,并对未来的脑–机接口 发展进行展望。
收稿日期:2018年12月24日;录用日期:2019年1月7日;发布日期:2019年1月14日
文章引用: 金铭, 杨伟杰, 赵晨. 一种基于稳态视觉诱发电位的脑控音乐播放系统[J]. 计算机科学与应用, 2019, 9(1): 46-56. DOI: 10.12677/csa.2019.91006
金铭 等
th th th
Received: Dec. 24 , 2018; accepted: Jan. 7 , 2019; published: Jan. 14 , 2019
Abstract
Brain-computer Interfaces (BCI), is characterized by not relying on peripheral nerves, muscles, bones and other normal human body to control external devices directly controlled by the brain signal. BCI technology is developed rapidly, especially in the field of daily life, medical treatment, military affairs, entertainment, etc. This paper develops a music player system based on brain-computer interface. This system through the steady-state visual evoked potential (SSVEP) stimulates the brain to produce different brain electrical signals to drive the player to perform different music player instructions, realizes the remote transfer control instruction, and plays the music without key trigger. Apply of BCI technology in daily life helps people to realize the control mode “what you get is what you think” and provides a new way for the popularization of BCI.