面向中高频SSVEP脑机接口的编解码算法研究

作者：许敏鹏^*; 吴乔逸; 熊文田; 肖晓琳; 明东

来源：信号处理, 2022, 38(09): 1881-1891.

DOI：10.16798/j.issn.1003-0530.2022.09.011

• 脑-机接口
• 中高频稳态视觉诱发电位
• Code Words

基于稳态视觉诱发电位(steady-state visual evoked potentials,SSVEPs)的脑-机接口系统(brain-computer interface,BCI)通常使用低频强闪烁刺激诱发强特征脑电信号。尽管相关数据处理技术日臻成熟,但是系统使用舒适度差,训练时间较长。提高刺激频率能够有效缓解受试者的视觉疲劳,提高系统友好度,然而现有中高频SSVEP系统又存在指令集数量少、信息传输率(information transfer rate,ITR)低等缺陷。针对以上问题,本文基于中高频SSVEP脑电特征,提出并使用了包含空码的Code Words编码范式与集成任务相关成分分析(ensemble task-related component analysis,eTRCA)解码算法,并研究了该套编解码方法的适用性与可扩展性。本研究选择中高频段的4个频率(20、24、30、40 Hz)分别构建脑控字符拼写系统,单个频率的闪烁刺激可独立构建多达6个控制指令,联合多个频率理论上可实现指令集数量的成倍扩增。共有10位健康受试者参与了离线脑电实验,利用18～60 Hz带通滤波对脑电数据进行预处理,使用eTRCA算法进行特征识别。18指令集系统的理论平均分类准确率为96.71±1.69%,理论平均ITR达86.94±6.07 bits/min。以上结果表明,本研究提出的编解码算法能够有效诱发并准确识别中高频SSVEP的时-频-相多维特征,在此基础上通过增加编码单元频率种类、提高有效编码率、改进解码算法等方式有希望进一步提升系统性能。

• 单位
  天津大学; 电子工程学院; 转化医学研究院