论文部分内容阅读
脑机接口技术是一种新颖的人机交互方式，该技术不依赖于正常的神经通路，直接利用大脑的想象来控制外部设备，即所谓的“意念控制”。脑电(EEG)是脑机接口中应用最为广泛的一种测量模态，测量的是神经元的放电活动，有较高的时间分辨率，然而空间解析度比较低，因为每个电极测量到的可能是多个脑区的叠加信号。功能性近红外光谱(fNIRS)是一种通过光学测量原理来获得大脑皮层血红蛋白浓度变化的技术，类似于fMRI，空间分辨率较EEG高，但是存在固有的时间延迟，时间分辨率低。两种模态固有的缺陷，也限制了各自在时-空维度上对大脑信息的解析。另外，基于运动想象的脑机接口控制模式较为单一，只能控制机器人的运动方向，并不能在机器人的速度和力上进行控制，这就限制了脑机接口在多维、复杂控制上的应用。最后，用户的操作能力也直接影响到脑机接口的性能，很多情况下，用户不能根据反馈结果及时调整自己的脑活动，从而产生延迟的控制指令，影响控制效果。针对以上出现的问题，展开了如下相关研究: 1.提高运动想象脑机接口意图识别率的研究 EEG时间分辨率较高，但是空间解析度低，fNIRS空间分辨率高，但存在固有的时间延迟，时间分辨率低。EEG和fNIRS联合测量可以弥补各自的缺陷，在时-空维度上更全面地提取出大脑信息，增加有用的特征量，从而提高运动意图的解码准确率。因此，我们研究了基于EEG和fNIRS联合测量的多模态脑机接口技术，并且自主搭建了多通道fNIRS数据采集平台，研究结果表明，EEG和fNIRS混合模态比单独EEG或fNIRS模式具有较高的意图识别率。 2.增加运动想象脑机接口中控制模式的方法研究 传统的基于运动想象的脑机接口常用于机器人等外部设备的方向控制，存在控制指令少、模式单一的问题。本研究基于运动参数想象的实验范式，将速度和力划分为不同的等级，通过识别不同级别的握速和握力想象来增加脑机接口系统的控制模式，为机器人实现方向和速度/力的控制提供一种可能性。 3.脑机接口系统中用户快速反应训练的研究 在实时脑机接口系统中，用户需要根据反馈结果及时调整自己的运动想象脑活动，从而来完成特定的任务。在很多情况下，用户很难根据反馈结果快速作出调整，从而产生延迟的控制指令。因此需要建立神经反馈系统来对用户进行训练，使其快速地做出反应。研究了基于运动相关皮层电位(MRCP)的用户快速反应训练方法，通过识别MRCP信号负峰值的时间延迟可以获得用户的反应时间，通过多次的反馈训练，缩短用户的反应时间。 4.基于运动想象脑机接口中多维度控制方法的研究 基于以上研究，构建了基于左右手运动想象的虚拟无人机控制系统，传统的无人机控制中只能控制无人机的运动方向。在我们的研究中，除了将左右手运动想象转化为无人机的运动方向之外，还构建了抓握速度和力与脑信号之间的数学模型，通过解调测量到的脑信号，将抓握速度映射为无人机的旋转速度，实现对无人机方向和速度的多维控制。 综上所述，研究了基于EEG和fNIRS的联合测量技术，实现了对大脑时-空特征的提取，从而提高意图识别率;研究了基于不同级别抓握速度和力的运动想象，来实现多维度、复杂的控制;研究了脑机接口系统中用户的快速反应训练，缩短用户的反应时间，提高脑机接口系统的性能。本文的研究也为脑机接口技术走出实验室，在脑控外骨骼机器人实现多维、复杂控制上的应用作出了进一步的贡献。