1、腦—機(jī)接口（Brain-computer interface，BCI）是一種不依賴周圍神經(jīng)和肌肉組織，完全自主的實(shí)現(xiàn)人腦對外部環(huán)境直接控制的系統(tǒng)。BCI涉及多學(xué)科交叉技術(shù)，在醫(yī)療康復(fù)、運(yùn)動輔助、人機(jī)交互等領(lǐng)域有廣闊前景。
　　無創(chuàng)腦電圖（Electroencephalogram，EEG）以其簡便、高時間分辨率的優(yōu)點(diǎn)成為目前BCI系統(tǒng)中使用最廣泛應(yīng)用的技術(shù)之一。然而研究發(fā)現(xiàn)，約有15％到30%的用戶存在“BCI盲”問題，即該類用戶難

2、以誘發(fā)出較強(qiáng)的（Event-Related Desynchronization）ERD/（Event-Related Synchronization）ERS等特征信號，無法測量到相關(guān)節(jié)律信號。此外，不同被試的特征信號存在差異性。這些問題導(dǎo)致基于EEG的BCI系統(tǒng)需要對被試進(jìn)行嚴(yán)格篩選且大量前期訓(xùn)練。
　　然而，EEG的時間序列能夠反映腦區(qū)之間的協(xié)同關(guān)系?；诖?，可將EEG時間序列轉(zhuǎn)換成一個網(wǎng)絡(luò)，該網(wǎng)絡(luò)的測度與意識有關(guān)聯(lián)。這種將EE

3、G時間序列轉(zhuǎn)換成網(wǎng)絡(luò)的思路，為解決BCI系統(tǒng)存在的問題提供了一種新途徑。
　　以腦網(wǎng)絡(luò)技術(shù)為切入點(diǎn)，以設(shè)計(jì)與實(shí)現(xiàn)異步 BCI系統(tǒng)為目標(biāo)，重點(diǎn)解決基于腦網(wǎng)絡(luò)技術(shù)的BCI系統(tǒng)實(shí)現(xiàn)過程中的問題。本文的主要研究工作包括：
　?。?）針對如何建立腦網(wǎng)絡(luò)模型的問題，首先通過定位激活腦區(qū)確定了FC1等18個關(guān)鍵通道作為腦網(wǎng)絡(luò)節(jié)點(diǎn)；其次從幅值和相位角度分別采用相干系數(shù)（COH）和相位鎖相（PLV）量化節(jié)點(diǎn)之間的關(guān)系，構(gòu)建加權(quán)網(wǎng)絡(luò)和二值網(wǎng)絡(luò)。

4、
　?。?）圍繞異步 BCI中工作態(tài)和空閑態(tài)判別這一核心問題，通過肌電信號（EMG）確定運(yùn)動起始時刻，提取運(yùn)動執(zhí)行前500ms到1200ms時間段的運(yùn)動準(zhǔn)備電位（BP）作為工作態(tài)，以此代替運(yùn)動執(zhí)行中的EEG，判別被試工作態(tài)和空閑態(tài)，減少基于腦網(wǎng)絡(luò)技術(shù)的BCI響應(yīng)延遲。
　　（3）針對異步BCI實(shí)現(xiàn)中的關(guān)鍵問題，設(shè)計(jì)了面向腦網(wǎng)絡(luò)技術(shù)的實(shí)驗(yàn)范式、解決了信號預(yù)處理問題、提取腦網(wǎng)絡(luò)測度作為特征，采用線性 Fisher和非線性SVM分

5、類器對特征進(jìn)行分類識別。對多被試的十折交叉驗(yàn)證顯示：兩種分類器下基于COH加權(quán)網(wǎng)絡(luò)分類正確率分別達(dá)到61.70%和67.70%，二值網(wǎng)絡(luò)分類正確率分別達(dá)到69.48%和69.75%；基于PLV加權(quán)網(wǎng)絡(luò)分類正確率分別達(dá)到64.78%和69.47%，二值網(wǎng)絡(luò)分類正確率分別達(dá)到72.28%和76.72%。
　　（4）基于上述核心算法，優(yōu)選 PLV二值腦網(wǎng)絡(luò)的聚類系數(shù)為特征，SVM為主要分類器，實(shí)現(xiàn)了在線預(yù)處理、特征提取和分類識別算法。異