脑机接口技术概要

1、SA14023056SA14023056陈思同陈思同BCI简介工作原理应用范围发展现状国内外代表性研究脑机接口（Brain-Computer Interface, BCI）是一种涉及神经科学、信号检测、信号处理、模式识别等多学科的交叉技术核心：把用户产生的脑电信号转换成输出控制信号或识别成特定的控制模式研究内容：调整人脑和BCI系统的相互适应关系，寻找合适的信号处理与转换算法，使神经电信号能实时、准确地通过BCI系统转换成可被计算机识别的命令或操作信号BCI基本结构：信号采集系统：脑电电极记录到的信号依次经过放大器滤波处理、A/D转换、发送至计算机并存储得到，由模拟EEG信号转换成可供处理的数

2、字信号特征提取：预处理：滤除不需要的脑电信号噪声，提高脑电信号信噪比(SNR)，数字滤波（Kalman等)特征提取常用方法：小波变换、小波包分解等。选择分类：从初始特征中选择对分类最佳的特征子集形成特征向量，并输入给分类器。分类器一句输入的特征向量区分不同的思维任务，输出对应的类别号（或逻辑控制信号）分类算法：LDA、遗传算法、人工神经网络等。外部控制装置：特征向量被转换成控制命令，实现对外部设备的操作控制，有些加入反馈机制为BCI系统提供指示。康复工程控制领域通信领域游戏娱乐军事领域康复工程BCI技术+康复训练，使患者主动参与到康复恢复中Eg:基于BCI技术的上肢康复训练系统应用于智能轮椅的

3、脑机接口控制虚拟现实康复训练 控制领域Self-paced (asynchronous) BCI control of a wheelchair in virtual environments: a case study with a tetraplegic. 通信领域SSVEP:大脑视觉系统对外部持续周期性视觉刺激的响应优点：操作简单，记录电极少，训练时间短，信息传输速率高，抗干扰能力强Eg: Middendorf ，用户通过注视控制计算机上两个按钮军事领域ACT计划（Alternative Control Technology），美国空军研究室的一个计划，其中包括对BCI技术的研究，旨在让

4、操作者能在保持双手作业的情况下与计算机交互。机遇：许多实验室的工作已证明“思维”控制“行为”的可行性；越来越多的研究组加入BCI技术的研究中挑战：脑电信息解析的复杂性：个体差异；对脑功能认知性的不足；多通道，数据量大，实时处理算法复杂度高；BCI技术的学习问题：某些优化参数需要实时更新，样本量少但又需要训练出性能好的分类器；实际系统的设计问题：舒适性（目前已湿电极为主，涂导电膏）；价格美国Smith-Kettlewell视觉科学研究所Sutter等人设计的脑反应接口以对视觉刺激反应中所产生的视觉诱发电位（VEP）作为BCI信号输入，通过诱发电位选择计算机显示屏上某一特定部分，进而可以实现选择的

5、功能。奥地利Graz理工大学Pfurtscheller等人采用事件相关同步/去同步 (ERS/ERD) 电位作为BCI信号输入。在这套系统中，受试者可以控制光标的移动。美国伊利若斯大学Farwell和Donchin采用P300诱发电位作为BCI信号输入。 在计算机显示屏上显示一个6*6包含36个字母的格子，使用者要求选择一个特定字母，每行和每列都在闪烁，频率为10Hz，计算对每行和每列闪烁的平均反应，测量P300幅值。对包含特定字母的行和列的反应幅度最大，根据这个特性就可以从P300诱发电位中“找到”特定字母。清华大学高上凯实验组高上凯等人深入分析了稳态视觉诱发电位（SSVEP）的特征和提取方法，设计了具有高传输速率的基于稳态视觉诱发电位的脑机接口系统，可用于残疾人的动作控制、