论文部分内容阅读
近年来,脑机接口(brain-computer interface,BCI)与虚拟现实(virtual reality,VR)技术成为了国内外研究与应用热点,然而当前常见的VR交互方式依赖于外接设备,适用人群有限,而且借助BCI技术的情绪识别通常只采用视频、图片或音乐等沉浸感较差的刺激手段,影响了情绪识别准确率。将BCI与VR结合到BCI-VR系统可以实现优势互补,BCI为VR提供了新的交互方式,VR为BCI提供了高沉浸感、内容丰富的情境。因此BCI-VR系统具有广阔的研究价值与应用前景。所以本文对基于脑电(electroencephalogram,EEG)的交互方式和情绪识别进行了研究,并设计了以P300为交互手段的虚拟智能家居控制系统和具有高度沉浸感的情绪识别系统。本文的主要工作如下:1)设计了基于P300的虚拟智能家居控制系统。严重瘫痪的病人无法通过键盘、鼠标、手柄等方式与VR交互,该系统以P300为控制信号,让病人直接通过脑电与VR交互,为他们提供新的娱乐方式。系统嵌入了P300刺激界面,刺激用户产生P300信号,通过重复刺激的方式对P300信号进行叠加,提高信噪比。为了解决重复次数过多造成系统信息传输率下降的问题,本文设计了基于贝叶斯线性判别分析(Bayesian linear discriminant analysis,BLDA)的算法框架,保证了较高的信息传输速率和分类准确率。8名被试的实验结果表明该系统的平均精度达到95.85%,实现了较低的误触发率,同时,对被试的心理状态评估验证了系统的实用性。2)设计了基于EEG的紧张情绪识别系统。在情绪识别领域,因人的认知情况和文化背景不同,低沉浸感的情绪刺激方式往往难以达到理想的效果。本系统以沉浸感良好的虚拟漂流场景作为情绪刺激素材,融合了视觉、听觉和知觉等多感官刺激,有效刺激用户的紧张情绪。本系统将脑电信号滤波到5个频带,对比了每个频带上的功率谱(power spectral density,PSD)、左右半球功率谱比例(rational asymmetry,RASM)、左右半球功率谱差分(differential asymmetry,DASM)3种特征,使用主成分分析(principal components analysis,PCA)算法进行特征选择,将支持向量机(support vector machine,SVM)作为情绪识别分类器,为了提高准确率,将5个频带进行了特征融合。8名被试的实验结果表明,该系统的平均识别准确率达到了88.13%,验证了使用高沉浸感的刺激方式能达到较为满意的情绪识别效果。