论文部分内容阅读
脑机接口(Brain Computer Interface,BCI)是在人脑和电子设备之间建立不依赖于常规大脑信息输出路径(外周神经及肌肉组织)的对外信息交流和控制技术,其主要目的是为丧失肌肉活动能力的残障人士提供一种全新的与外界环境交流的途径。尽管BCI技术在过去17年间取得了飞速发展,但受限于脑电信号的信噪比低、抗噪声能力差、复杂度高,开发实用化的BCI系统仍然面临着巨大的挑战。本论文针对实用型BCI系统的关键技术展开研究,设计研发了一套四选项基于稳态视觉诱发电位(Steady State Visual Evoked Potentials,SSVEP)的BCI系统。该系统由8导联便携式脑电信号采集仪和SSVEP控制器构成,具有便携式、易于使用、成本较低、实用化程度高等优点。实验表明,系统的平均正确率达到96.5%,达到现已发表论文的最优水平。本论文所设计BCI系统可直接用于残疾人辅助,为其提供一种全新的与外部环境交流控制的途径,提高他们的生活质量。与现有基于SSVEP的BCI系统相比,本论文所设计的BCI系统具有如下创新点:1)本论文自行设计整套BCI系统的所有硬件电路,而非以拼接购买设备的方式完成系统。由此,可对所设计系统的功能划分、操作方式、设备尺寸、设备成本进行充分的定制,实现系统的便携性、易用性、低成本和实用化。2)本论文在自主设计的脑电信号采集仪中设计并实现SSVEP识别算法,采集仪完成信号采集和SSVEP识别,直接输出识别分类结果,系统无需单独的计算设备(计算机或DSP设备)进行信号识别,这是本论文系统与现有BCI系统最大的不同之处。如此设计消除了现有BCI系统中的硬件冗余,进一步提升了系统的便携性、易用性与实用性,降低了系统的成本。3)在SSVEP识别算法中,本论文提出并设计了基于分段均值的直流基线校准预处理算法,以此解决硬件编程中数据溢出、资源需求、运算效率等问题。同时,本论文将定点小数与快速傅里叶变换(Fast Fourier Transformation,FFT)相结合,首次将基于定点小数的FFT算法应用到SSVEP识别中,降低了SSVEP识别算法对硬件资源的需求,由此在资源有限且无浮点数运算能力的单片机(脑电信号采集仪的微控制器)内快速完成SSVEP的识别。4)本论文所设计系统提供两种开发性输出接口:模拟键盘输出将整个BCI系统模拟成键盘,可直接操控现有计算机软件;脉冲输出用于控制其他电子设备。与现有BCI系统相比,系统不再局限于只能操作自行编写的演示软件。