论文部分内容阅读
脑-机接口(Brain-Computer interface，BCI)是一种在人脑与计算机之间建立直接通路的接口技术，其中，信号诱发范式是决定脑-机接口性能的重要一环。在诱发范式设计中，优化刺激源是提高诱发信号质量的重要途径之一，可以有效提高所诱发的事件相关电位以及在线系统性能，这也是本文研究的重点。 本文的主要研究成果如下: (1)从透明度的角度出发，研究半透明人脸范式与传统人脸范式之间的差异。在半透明人脸范式中，受试者可以通过全程可见的目标字符来进行目标定位，以提高目标刺激诱发的有效性;而在传统人脸范式中，受试者只能在任务闪烁间隙中看到目标字符。研究结果表明，半透明人脸范式相较于传统人脸范式能够有效提高所诱发的事件相关电位、系统的在线分类准确率以及比特率。 (2)提出了一种把翻转与缩放两种刺激相融合的螺旋式范式。利用翻转和缩放降低刺激呈现重复感的同时，能够有效诱发运动电位和P300电位。本文通过与翻转范式进行比较，来验证螺旋式范式的有效性。研究结果表明，螺旋式范式诱发的N200和P300幅值显著高于翻转范式，并且在分类准确率和信息传输率上也具有显著优势。 (3)提出了一种基于不同模糊度人脸动态呈现的范式。在人脸从极度模糊到逐渐清晰的动态呈现过程中，人脸特征会逐渐得到加强，相比于同一模糊度人脸范式，该系统表现出了更好的分类稳定性，并且在平均准确率和比特率上也具有一定的优势。