內容簡介
《誘髮式腦-機接口技術》主要介紹誘髮式腦-機接口技術。《誘髮式腦-機接口技術》共12章,主要內容包括:SSVEP特徵機理研究與SSVEP-BCI最佳化,基於聽觸覺的非視覺P300-BCI方法,基於P300和SSVEP的多模態BCI,基於P300和ErrP的多模態BCI等。《誘髮式腦-機接口技術》是作者在多項國家自然科學基金項目和科技委創新特區項目支持下取得的研究成果的總結,意在推動腦-機接口理論與套用的發展,對於人-機混合智慧型的機理研究和腦-機智慧型融合系統的套用具有一定的科學意義。
目錄
前言
第1章 緒論 1
1.1 BCI技術概述 1
1.2 BCI的分類與類型特點分析 4
1.2.1 基於大腦信號採集技術手段的分類 5
1.2.2 基於大腦信號產生方式的分類 7
1.3 基於EEG的誘髮式BCI 7
1.3.1 刺激模態分析 7
1.3.2 SSVEP-BCI技術 8
1.3.3 P300-BCI技術 9
1.3.4 ErrP-BCI技術 11
1.3.5 誘髮式BCI的性能評價指標 11
1.4 誘髮式BCI研究方法分析 14
參考文獻 17
第2章 嚴格視線限定條件下的SSVEP神經機制 25
2.1 引言 25
2.2 方法與材料 26
2.2.1 範式設計 26
2.2.2 實驗流程 28
2.3 數據分析 30
2.3.1 典型相關性分析 30
2.3.2 基於典型相關性分析的單通道貢獻估計 31
2.3.3 對側效應估計 32
2.4 實驗結果 32
2.4.1 基於SSVEP回響的視場構建 32
2.4.2 刺激位置影響 35
2.5 結果分析與討論 37
2.5.1 刺激形狀 37
2.5.2 刺激間距 37
2.5.3 指示位置 38
2.5.4 定製設計 38
2.5.5 不足之處 39
2.5.6 未來工作 39
2.6 本章小結 39
參考文獻 40
第3章 SSVEP-BCI的實時信息反饋與動態最佳化機制 42
3.1 引言 42
3.2 方法與材料 43
3.2.1 刺激範式設計 43
3.2.2 CCA-RV方法 45
3.2.3 實時信息反饋機制 46
3.2.4 目標選擇時間最佳化設計 46
3.2.5 實驗範式設計 48
3.3 實驗結果與分析 50
3.3.1 線上結果 50
3.3.2 離線性能分析 51
3.4 結果分析與討論 52
3.4.1 系統性能提升的原因分析 52
3.4.2 行列目標識別過程準確率對比 53
3.4.3 當前方法局限和未來研究方向 54
3.5 本章小結 55
參考文獻 55
第4章 基於DS策略的SSVEP-BCI目標識別方法 58
4.1 引言 58
4.2 方法與材料 59
4.2.1 實驗方案與實施 59
4.2.2 識別算法與DS策略 62
4.3 實驗結果 67
4.3.1 模擬線上結果 67
4.3.2 DS策略的提升分析 69
4.3.3 DS策略輸出有效性分析 69
4.3.4 公開資料庫的驗證 70
4.4 結果分析與討論 73
4.5 本章小結 74
參考文獻 74
第5章 基於聽觸覺雙模態刺激的非視覺P300-BCI 76
5.1 引言 76
5.2 方法與材料 78
5.2.1 聽觸覺P300-BCI系統設計 78
5.2.2 實驗設計 80
5.2.3 數據分析 82
5.3 實驗結果與分析 85
5.3.1 線上實驗結果 85
5.3.2 離線性能分析 85
5.4 結果討論 86
5.5 本章小結 90
參考文獻 91
第6章 基於P300和SSVEP的時頻特徵融合決策機制 94
6.1 引言 94
6.2 方法與材料 96
6.2.1 混合刺激機制設計 96
6.2.2 實驗流程 97
6.2.3 信號處理 99
6.3 實驗結果 103
6.3.1 線上性能 103
6.3.2 離線分析 104
6.4 結果分析與討論 106
6.4.1 SSVEP特徵引入的作用分析 106
6.4.2 被試狀態變化對系統性能的影響 108
6.5 本章小結 108
參考文獻 109
第7章 基於P300和SSVEP並行輸入的混合BCI 112
7.1 引言 112
7.2 方法與材料 113
7.2.1 混合刺激機制設計 113
7.2.2 實驗設計 114
7.2.3 信號處理 116
7.2.4 *優刺激輪次選擇 118
7.3 實驗結果 119
7.3.1 線上性能 119
7.3.2 離線分析 120
7.4 結果分析與討論 120
7.4.1 快速混合BCI拼寫方法的潛力 120
7.4.2 RC和SL範式性能差異的原因分析 121
7.4.3 當前方法局限與未來研究方向 124
7.5 本章小結 124
參考文獻 125
第8章 基於P300與SSVEP得分融合的混合BCI 128
8.1 引言 128
8.2 方法與材料 129
8.2.1 兩種混合刺激範式 129
8.2.2 實驗範式 130
8.2.3 P300和SSVEP目標識別方法 132
8.2.4 得分融合方法 133
8.3 實驗結果 135
8.3.1 BCI範式的性能對比 135
8.3.2 融合方法的性能對比 137
8.3.3 BCI初學者的學習過程 137
8.4 結果分析與討論 138
8.5 本章小結 140
參考文獻 140
第9章 基於ErrP的P300-BCI自動糾錯機制 142
9.1 引言 142
9.2 方法與材料 143
9.2.1 被試 143
9.2.2 數據採集 143
9.2.3 P300-BCI拼寫器 144
9.2.4 ErrP和P300得分 145
9.2.5 Bayes動態停止機制 145
9.2.6 輔助刺激 146
9.2.7 實驗方案 147
9.2.8 基於ErrP和P300融合的線上糾錯機制 148
9.2.9 進一步分析 149
9.3 實驗結果 150
9.3.1 線上性能 150
9.3.2 P300和ErrP對錯誤檢測的貢獻 152
9.3.3 輔助刺激的影響 153
9.3.4 ErrP波形特徵 155
9.4 結果分析與討論 156
9.4.1 線上糾錯 156
9.4.2 基於ErrP和P300融合進行線上錯誤檢測 156
9.4.3 新型ErrP波形差異 156
9.4.4 限制 157
9.5 本章小結 157
參考文獻 158
第10章 基於ErrP得分的半監督自適應P300-BCI 161
10.1 引言 161
10.1.1 分類器自適應——P300-BCI拼寫器 161
10.1.2 基於ErrP的自動校正 162
10.1.3 目標:基於ErrP的自適應 162
10.2 方法與材料 163
10.2.1 被試 163
10.2.2 EEG採集 163
10.2.3 拼寫流程 164
10.2.4 P300和ErrP的評分 164
10.2.5 線上錯誤檢測 165
10.2.6 線上實驗 166
10.2.7 離線分析 167
10.2.8 模擬線上分析 168
10.3 實驗結果 171
10.3.1 線上分析 171
10.3.2 離線分析 172
10.3.3 模擬線上分析 172
10.4 結果分析與討論 175
10.4.1 線上SOA最佳化 175
10.4.2 是否採用自適應 175
10.4.3 半監督的優勢 176
10.4.4 ErrP的貢獻 177
10.5 本章小結 177
參考文獻 178
第11章 基於P300和ErrP的聽覺混合BCI 180
11.1 引言 180
11.2 方法與材料 181
11.2.1 被試 181
11.2.2 數據採集 181
11.2.3 任務流程 181
11.2.4 信號預處理 183
11.2.5 P300和ErrP評分 184
11.2.6 單次實驗期間ErrP的一致性 185
11.2.7 基於錯誤檢測的模擬自動校正 185
11.3 實驗結果 187
11.3.1 ErrP檢測 187
11.3.2 模擬自動校正 188
11.3.3 改變期望的誤報率 191
11.3.4 聽覺ErrP的時空特徵 192
11.4 結果分析與討論 193
11.4.1 ErrP檢測 193
11.4.2 混合錯誤檢測 194
11.4.3 模擬自動校正 194
11.4.4 與自動校正視覺BCI的比較 195
11.4.5 生理學 195
11.4.6 局限性與未來工作 196
11.5 本章小結 197
參考文獻 197
第12章 總結與展望 201
12.1 本書工作總結 201
12.2 未來工作展望 205
參考文獻 206
圖書目錄
前言
第1章緒論
第2章嚴格視線限定條件下的SSVEP神經機制
第3章SSVEP-BCI的實時信息反饋與動態最佳化機制
第4章基於DS策略的SSVEP-BCI目標識別方法
第5章基於聽觸覺雙模態刺激的非視覺P300-BCI
第6章基於P300和SSVEP的時頻特徵融合決策機制
第7章基於P300和SSVEP並行輸入的混合BCI
第8章基於P300與SSVEP得分融合的混合BCI
第9章基於ErrP的P300-BCI自動糾錯機制
第10章基於ErrP得分的半監督自適應P300-BCI
第11章基於P300和ErrP的聽覺混合BCI
第12章總結與展望