混合脑机接口及其研究进展
发布时间：2021-09-30 14:44
脑机接口（brain-computer interface,BCI）技术作为一项新兴且发展潜力巨大的技术,已成为国际研究热点;但面向实际应用,现有BCI技术仍面临许多有待解决的问题,如基于稳态视觉诱发（SSVEP）的BCI技术控制命令数有限,基于运动想象（motor imagery,MI）的BCI存在诱发生理信号空间分辨率低、训练时间长等问题;研究表明,混合脑机接口（hybrid brain-computer interface,HBCI）相比于传统单模态BCI系统,在系统准确率、稳定性方面均有所提升;文章对HBCI进行了介绍,从基于多脑电模式的混合脑机接口、基于多种刺激诱发的混合脑机接口、基于多模态信号的混合脑机接口这三个类别分别对HBCI的研究进展进行阐述,并对HBCI关键技术、需要解决的问题及应用方向进行了概述。
【文章来源】：计算机测量与控制. 2020,28(09)
【文章页数】：6 页
【部分图文】：
BCI的早期描绘[2]
图1 BCI的早期描绘[2]HBCI技术，可以满足多自由度控制系统控制指令多、实时性强的实际控制需求，有利于突破单模态脑机接口控制指令有限和多分类识别准确率低的问题，提升动作指令数量，增加人机交互适用性和输出特征，完善人机交互系统功能，在空间遥操作及装备控制领域有着广阔的应用前景。
文章按照基于多脑电模式的混合脑机接口、基于多种刺激诱发的混合脑机接口、基于多模态信号的混合脑机接口三个分类对混合脑机接口的研究进展进行了阐述，通过对比发现，基于多脑电/多模态融合的脑机接口有利于获得更高的识别率和精度，系统输出也更稳定。以EEG和EMG混合为例，混合模式有利于降低运动功能部分缺失以及操作疲劳等因素对模式识别结果造成的不利影响，从而提升整体系统的准确率和鲁棒性。但当前混合脑机接口技术仍面临着不小的挑战及亟待解决的问题：（1）单模态识别率有待进一步提升。异构信息源需考虑不同程度的非平稳态、鲁棒性、源间变量信息[42]，单一模态性能会对融合系统性能产生影响；（2）多信号同步采集及分析方法有待进一步探索研究。基于脑电的多信号融合主要涉及特征层、决策层融合[43]，以多模态混合脑机接口特征层融合为例，各模态信号的同步采集、特征提取是需要融合时需要解决的首要问题，而多模态系统涉及2类以上不同模态的同步处理和检测，这就为实际融合带来一定的难度，需要进一步研究；（3）融合方式及融合机制有待进一步探索。融合方式对融合系统的性能，包括准确率、结果输出稳定性等产生影响。建立互补、互纠正的基于容错模式的融合机制有利于提升混合脑机接口系统的性能；（4）人机良耦合系统有待于进一步完善。面向应用的混合脑机接口，应当为用户的使用提供友好、清晰、易于操作的界面及敏捷反馈系统，需要考虑操作人员的适应能力，构建人机良耦合系统。
【参考文献】：
期刊论文
[1]基于视听交互刺激的认知机理与脑机接口范式研究进展[J]. 安兴伟,曹勇,焦学军,明东. 电子测量与仪器学报. 2017(07)
[2]基于脑肌电融合的混合脑机接口研究[J]. 谢平,陈迎亚,郝艳彪,陈晓玲,杜义浩,吴晓光. 中国生物医学工程学报. 2016(01)
[3]脑机接口关键技术研究[J]. 杨帮华,颜国正,丁国清,于莲芝. 北京生物医学工程. 2005(04)
博士论文
[1]脑—机接口的特征提取和分类方法研究[D]. 赵海滨.东北大学 2009
硕士论文
[1]基于稳态视觉诱发电位和运动想象的混合脑机接口系统研究与实现[D]. 窦立祥.天津理工大学 2018
[2]基于EEG-NIRS双模态动作意图的分类识别[D]. 李日成.东南大学 2017
[3]基于运动想象的脑—机接口的算法研究[D]. 王猛.西南科技大学 2016
[4]眼动信号的提取与分类识别研究[D]. 彭毅.上海师范大学 2016
[5]基于P300和SSVEP的脑—机接口研究[D]. 孟丽晶.华东理工大学 2013
[6]基于ERD/ERS脑—机接口的特征提取和分类算法研究[D]. 宋懿花.东北大学 2011
本文编号：3416080
【文章来源】：计算机测量与控制. 2020,28(09)
【文章页数】：6 页
【部分图文】：
BCI的早期描绘[2]
图1 BCI的早期描绘[2]HBCI技术，可以满足多自由度控制系统控制指令多、实时性强的实际控制需求，有利于突破单模态脑机接口控制指令有限和多分类识别准确率低的问题，提升动作指令数量，增加人机交互适用性和输出特征，完善人机交互系统功能，在空间遥操作及装备控制领域有着广阔的应用前景。
文章按照基于多脑电模式的混合脑机接口、基于多种刺激诱发的混合脑机接口、基于多模态信号的混合脑机接口三个分类对混合脑机接口的研究进展进行了阐述，通过对比发现，基于多脑电/多模态融合的脑机接口有利于获得更高的识别率和精度，系统输出也更稳定。以EEG和EMG混合为例，混合模式有利于降低运动功能部分缺失以及操作疲劳等因素对模式识别结果造成的不利影响，从而提升整体系统的准确率和鲁棒性。但当前混合脑机接口技术仍面临着不小的挑战及亟待解决的问题：（1）单模态识别率有待进一步提升。异构信息源需考虑不同程度的非平稳态、鲁棒性、源间变量信息[42]，单一模态性能会对融合系统性能产生影响；（2）多信号同步采集及分析方法有待进一步探索研究。基于脑电的多信号融合主要涉及特征层、决策层融合[43]，以多模态混合脑机接口特征层融合为例，各模态信号的同步采集、特征提取是需要融合时需要解决的首要问题，而多模态系统涉及2类以上不同模态的同步处理和检测，这就为实际融合带来一定的难度，需要进一步研究；（3）融合方式及融合机制有待进一步探索。融合方式对融合系统的性能，包括准确率、结果输出稳定性等产生影响。建立互补、互纠正的基于容错模式的融合机制有利于提升混合脑机接口系统的性能；（4）人机良耦合系统有待于进一步完善。面向应用的混合脑机接口，应当为用户的使用提供友好、清晰、易于操作的界面及敏捷反馈系统，需要考虑操作人员的适应能力，构建人机良耦合系统。
【参考文献】：
期刊论文
[1]基于视听交互刺激的认知机理与脑机接口范式研究进展[J]. 安兴伟,曹勇,焦学军,明东. 电子测量与仪器学报. 2017(07)
[2]基于脑肌电融合的混合脑机接口研究[J]. 谢平,陈迎亚,郝艳彪,陈晓玲,杜义浩,吴晓光. 中国生物医学工程学报. 2016(01)
[3]脑机接口关键技术研究[J]. 杨帮华,颜国正,丁国清,于莲芝. 北京生物医学工程. 2005(04)
博士论文
[1]脑—机接口的特征提取和分类方法研究[D]. 赵海滨.东北大学 2009
硕士论文
[1]基于稳态视觉诱发电位和运动想象的混合脑机接口系统研究与实现[D]. 窦立祥.天津理工大学 2018
[2]基于EEG-NIRS双模态动作意图的分类识别[D]. 李日成.东南大学 2017
[3]基于运动想象的脑—机接口的算法研究[D]. 王猛.西南科技大学 2016
[4]眼动信号的提取与分类识别研究[D]. 彭毅.上海师范大学 2016
[5]基于P300和SSVEP的脑—机接口研究[D]. 孟丽晶.华东理工大学 2013
[6]基于ERD/ERS脑—机接口的特征提取和分类算法研究[D]. 宋懿花.东北大学 2011
本文编号：3416080
本文链接：https://www.wllwen.com/kejilunwen/wltx/3416080.html
