诱发式脑：机接口技术

目录

前言

第1章 绪论 1

1.1 BCI技术概述 1

1.2 BCI的分类与类型特点分析 4

1.2.1 基于大脑信号采集技术手段的分类 5

1.2.2 基于大脑信号产生方式的分类 7

1.3 基于EEG的诱发式BCI 7

1.3.1 刺激模态分析 7

1.3.2 SSVEP-BCI技术 8

1.3.3 P300-BCI技术 9

1.3.4 ErrP-BCI技术 11

1.3.5 诱发式BCI的性能评价指标 11

1.4 诱发式BCI研究方法分析 14

参考文献 17

第2章 严格视线限定条件下的SSVEP神经机制 25

2.1 引言 25

2.2 方法与材料 26

2.2.1 范式设计 26

2.2.2 实验流程 28

2.3 数据分析 30

2.3.1 典型相关性分析 30

2.3.2 基于典型相关性分析的单通道贡献估计 31

2.3.3 对侧效应估计 32

2.4 实验结果 32

2.4.1 基于SSVEP响应的视场构建 32

2.4.2 刺激位置影响 35

2.5 结果分析与讨论 37

2.5.1 刺激形状 37

2.5.2 刺激间距 37

2.5.3 指示位置 38

2.5.4 定制设计 38

2.5.5 不足之处 39

2.5.6 未来工作 39

2.6 本章小结 39

参考文献 40

第3章 SSVEP-BCI的实时信息反馈与动态优化机制 42

3.1 引言 42

3.2 方法与材料 43

3.2.1 刺激范式设计 43

3.2.2 CCA-RV方法 45

3.2.3 实时信息反馈机制 46

3.2.4 目标选择时间优化设计 46

3.2.5 实验范式设计 48

3.3 实验结果与分析 50

3.3.1 在线结果 50

3.3.2 离线性能分析 51

3.4 结果分析与讨论 52

3.4.1 系统性能提升的原因分析 52

3.4.2 行列目标识别过程准确率对比 53

3.4.3 当前方法局限和未来研究方向 54

3.5 本章小结 55

参考文献 55

第4章 基于DS策略的SSVEP-BCI目标识别方法 58

4.1 引言 58

4.2 方法与材料 59

4.2.1 实验方案与实施 59

4.2.2 识别算法与DS策略 62

4.3 实验结果 67

4.3.1 模拟在线结果 67

4.3.2 DS策略的提升分析 69

4.3.3 DS策略输出有效性分析 69

4.3.4 公开数据库的验证 70

4.4 结果分析与讨论 73

4.5 本章小结 74

参考文献 74

第5章 基于听触觉双模态刺激的非视觉P300-BCI 76

5.1 引言 76

5.2 方法与材料 78

5.2.1 听触觉P300-BCI系统设计 78

5.2.2 实验设计 80

5.2.3 数据分析 82

5.3 实验结果与分析 85

5.3.1 在线实验结果 85

5.3.2 离线性能分析 85

5.4 结果讨论 86

5.5 本章小结 90

参考文献 91

第6章 基于P300和SSVEP的时频特征融合决策机制 94

6.1 引言 94

6.2 方法与材料 96

6.2.1 混合刺激机制设计 96

6.2.2 实验流程 97

6.2.3 信号处理 99

6.3 实验结果 103

6.3.1 在线性能 103

6.3.2 离线分析 104

6.4 结果分析与讨论 106

6.4.1 SSVEP特征引入的作用分析 106

6.4.2 被试状态变化对系统性能的影响 108

6.5 本章小结 108

参考文献 109

第7章 基于P300和SSVEP并行输入的混合BCI 112

7.1 引言 112

7.2 方法与材料 113

7.2.1 混合刺激机制设计 113

7.2.2 实验设计 114

7.2.3 信号处理 116

7.2.4 *优刺激轮次选择 118

7.3 实验结果 119

7.3.1 在线性能 119

7.3.2 离线分析 120

7.4 结果分析与讨论 120

7.4.1 快速混合BCI拼写方法的潜力 120

7.4.2 RC和SL范式性能差异的原因分析 121

7.4.3 当前方法局限与未来研究方向 124

7.5 本章小结 124

参考文献 125

第8章 基于P300与SSVEP得分融合的混合BCI 128

8.1 引言 128

8.2 方法与材料 129

8.2.1 两种混合刺激范式 129

8.2.2 实验范式 130

8.2.3 P300和SSVEP目标识别方法 132

8.2.4 得分融合方法 133

8.3 实验结果 135

8.3.1 BCI范式的性能对比 135

8.3.2 融合方法的性能对比 137

8.3.3 BCI初学者的学习过程 137

8.4 结果分析与讨论 138

8.5 本章小结 140

参考文献 140

第9章 基于ErrP的P300-BCI自动纠错机制 142

9.1 引言 142

9.2 方法与材料 143

9.2.1 被试 143

9.2.2 数据采集 143

9.2.3 P300-BCI拼写器 144

9.2.4 ErrP和P300得分 145

9.2.5 Bayes动态停止机制 145

9.2.6 辅助刺激 146

9.2.7 实验方案 147

9.2.8 基于ErrP和P300融合的在线纠错机制 148

9.2.9 进一步分析 149

9.3 实验结果 150

9.3.1 在线性能 150

9.3.2 P300和ErrP对错误检测的贡献 152

9.3.3 辅助刺激的影响 153

9.3.4 ErrP波形特征 155

9.4 结果分析与讨论 156

9.4.1 在线纠错 156

9.4.2 基于ErrP和P300融合进行在线错误检测 156

9.4.3 新型ErrP波形差异 156

9.4.4 限制 157

9.5 本章小结 157

参考文献 158

第10章 基于ErrP得分的半监督自适应P300-BCI 161

10.1 引言 161

10.1.1 分类器自适应——P300-BCI拼写器 161

10.1.2 基于ErrP的自动校正 162

10.1.3 目标：基于ErrP的自适应 162

10.2 方法与材料 163

10.2.1 被试 163

10.2.2 EEG采集 163

10.2.3 拼写流程 164

10.2.4 P300和ErrP的评分 164

10.2.5 在线错误检测 165

10.2.6 在线实验 166

10.2.7 离线分析 167

10.2.8 模拟在线分析 168

10.3 实验结果 171

10.3.1 在线分析 171

10.3.2 离线分析 172

10.3.3 模拟在线分析 172

10.4 结果分析与讨论 175

10.4.1 在线SOA优化 175

10.4.2 是否采用自适应 175

10.4.3 半监督的优势 176

10.4.4 ErrP的贡献 177

10.5 本章小结 177

参考文献 178

第11章 基于P300和ErrP的听觉混合BCI 180

11.1 引言 180

11.2 方法与材料 181

11.2.1 被试 181

11.2.2 数据采集 181

11.2.3 任务流程 181

11.2.4 信号预处理 183

11.2.5 P300和ErrP评分 184

11.2.6 单次实验期间ErrP的一致性 185

11.2.7 基于错误检测的模拟自动校正 185

11.3 实验结果 187

11.3.1 ErrP检测 187

11.3.2 模拟自动校正 188

11.3.3 改变期望的误报率 191

11.3.4 听觉ErrP的时空特征 192

11.4 结果分析与讨论 193

11.4.1 ErrP检测 193

11.4.2 混合错误检测 194

11.4.3 模拟自动校正 194

11.4.4 与自动校正视觉BCI的比较 195

11.4.5 生理学 195

11.4.6 局限性与未来工作 196

11.5 本章小结 197

参考文献 197

第12章 总结与展望 201

12.1 本书工作总结 201

12.2 未来工作展望 205

参考文献 206