基于P300腦機接口的視覺目標選取.pdf

1、基于P300事件相關腦電電位的腦機接口（Brain-computer interface，BCI）系統(tǒng)能通過檢測有效的腦電信號完成目標選擇任務，是應用最廣泛的BCI類型之一。傳統(tǒng)的P300-BCI系統(tǒng)，一般基于行/列范式或其衍生范式進行研究設計。然而隨著P300-BCI的應用場景逐漸從實驗室環(huán)境向日常真實環(huán)境拓展，這種規(guī)則的排布范式已經(jīng)無法有效適應真實環(huán)境下目標的復雜信息。為此，本文提出一種基于圖像分割方法和雙層選擇的P300范式(im

2、age segmentation and two-step based paradigam， IST)的目標選擇方法，進而提高腦機接口系統(tǒng)對真實環(huán)境下的目標選擇能力。
　　IST范式的設計與實驗驗證。本文采用計算機視覺領域中的圖像分割方法，利用基于墑的超像素分割算法對背景圖像進行分割。然后根據(jù)分割的區(qū)域模塊設計了雙層閃爍實驗范式，并對其刺激時間、刺激類型、刺激編碼、信號處理算法等都做了設計。為了驗證該范式的有效性，我們設計了與單次

3、閃爍范式的對比實驗。實驗數(shù)據(jù)表明，IST范式在真實場景下的目標平均選擇準確率和平均信息傳輸率分別為86.0％和22.1bits/min，單層閃爍范式為69.0%和10.29bits/min。實驗結果表明，IST范式明顯優(yōu)于單次閃爍范式，是一個有效的可以推廣的實驗范式。
　　IST范式的優(yōu)化與實驗設計分析。本文基于不同實驗設計，從不同的角度對IST范式進行數(shù)據(jù)分析并提出優(yōu)化思路：第一，設計了圖像復雜度與在線選擇準確率之間關系的驗證實

4、驗，通過分析二者之間的相關性特征，提出通過圖像處理方法降低圖像復雜度的優(yōu)化思路；第二，通過對最優(yōu)trial數(shù)的實驗設計，分析了IST范式中的 trial數(shù)優(yōu)化選擇的問題；第三，通過分析在實驗過程中對被試的調(diào)查問卷，探討了基于圖像分割的P300-BCI范式人性化優(yōu)化方法。第四，基于目標刺激受到的鄰接非目標閃爍的錯誤干擾，通過設計分散分組編碼與集中分組編碼的對比實驗和數(shù)據(jù)分析，進一步優(yōu)化了分組編碼機制，提升了系統(tǒng)的性能。上述的四個方向的實驗