1、直接用大腦思維活動(dòng)的信號(hào)與外界進(jìn)行通信，實(shí)現(xiàn)“心與心”的交流，甚至達(dá)到對(duì)周?chē)h(huán)境的控制，是人類(lèi)自古以來(lái)就追求的夢(mèng)想。腦－機(jī)接口（Brain-ComputerInterface:BCI）這種新穎的人機(jī)交互模式提供了實(shí)現(xiàn)這一夢(mèng)想的科學(xué)途徑。人們希望這種全新的通信技術(shù)能夠用于輔助控制交通工具、武器和其它系統(tǒng)，特別為那些神經(jīng)肌肉受損，不能使用常規(guī)通信手段的殘疾患者提供與外界進(jìn)行交流的另一途徑。所謂腦－機(jī)接口，是一個(gè)不依靠外周神經(jīng)和肌肉組織等通常

2、的大腦輸出通道的通信系統(tǒng)。近5年來(lái)，這一領(lǐng)域的研究逐漸形成了熱點(diǎn)，世界上數(shù)十個(gè)研究小組已開(kāi)發(fā)出多種形式的BCI實(shí)驗(yàn)系統(tǒng)。其中已有3種腦控鍵盤(pán)的報(bào)道。但它們的共同問(wèn)題一是以低頻閃爍方式提供視覺(jué)誘發(fā)信息，容易造成使用者的疲勞；二是通信速度太低，只有5～27比特/分鐘,很難滿(mǎn)足實(shí)際需要。有鑒如此，我們?cè)趪?guó)家自然科學(xué)基金的資助下，開(kāi)展了基于“模擬自然閱讀”誘發(fā)模式的腦控拼寫(xiě)裝置的研究。試圖使該系統(tǒng)的通信速率達(dá)到90比特/分鐘，并以更自然的方式給

3、用戶(hù)提供一種舒適的使用環(huán)境。在這個(gè)系統(tǒng)中，通信載體、信源編碼、虛擬鍵盤(pán)的設(shè)計(jì)和腦－機(jī)接口信號(hào)的單次提取是四個(gè)最核心的問(wèn)題。在前兩個(gè)問(wèn)題已基本解決的情況下，本文就后兩個(gè)問(wèn)題展開(kāi)了深入的研究。研究?jī)?nèi)容、結(jié)果與創(chuàng)新點(diǎn)如下：1.調(diào)研了腦－機(jī)接口的起源、意義、定義、分類(lèi)、信號(hào)特點(diǎn)、信號(hào)處理及模式識(shí)別方法、目前研究的現(xiàn)狀及面臨的挑戰(zhàn)等。進(jìn)行綜合分析后，指出了目前存在的不足及其發(fā)展方向，提出了我們的解決方案。2.提出了一個(gè)新穎的“雙頁(yè)虛擬鍵盤(pán)”方

4、案，并對(duì)其按鍵位置的排布進(jìn)行了合理的設(shè)計(jì)。它彌補(bǔ)了常規(guī)腦控拼寫(xiě)裝置中信源數(shù)量增多將導(dǎo)致選擇單個(gè)信源時(shí)程偏長(zhǎng)的不足。分析表明，這種設(shè)計(jì)在原有設(shè)計(jì)指標(biāo)的基礎(chǔ)上，通信速率將有約70﹪的提高，可達(dá)150比特/分鐘以上，是現(xiàn)有BCI系統(tǒng)的5～20倍。3.對(duì)BCI通信載體信號(hào)進(jìn)行了譜分析，發(fā)現(xiàn)非靶刺激與靶刺激所誘發(fā)的VEP信號(hào)的相對(duì)功率譜，在5Hz以下有較大的變化，可達(dá)15db以上；而在10Hz以上卻基本沒(méi)有變化。這為后續(xù)降低特征維數(shù)，提高信號(hào)處

5、理速度提供了理論依據(jù)。在短時(shí)程范圍內(nèi)，可以認(rèn)為腦電信號(hào)是平穩(wěn)的，我們用非靶刺激信號(hào)形成自回歸模型參數(shù)，然后以此參數(shù)組成的白化濾波器對(duì)靶刺激和非靶刺激信號(hào)進(jìn)行濾波，試圖最大限度地去除自發(fā)腦電的影響，突出信號(hào)特征成分。對(duì)上述處理后的到的結(jié)果進(jìn)一步實(shí)施小波分析，可以更為有效地提取特征信號(hào)，使模式分類(lèi)效果更為理想。我們提出采用N2成分作為特征量的思想，還利用獨(dú)立分量分析（IndependentComponentAnalysis:ICA）進(jìn)行了提

6、取N2成分的實(shí)驗(yàn)，面對(duì)獨(dú)立分量位置和極性不確定的難題，在原有算法的基礎(chǔ)上提出了一個(gè)N2雙極性閾值算法，較好地解決了這一難題，強(qiáng)化了N2特征，使我們僅利用此一短時(shí)程特征量進(jìn)行信號(hào)的單次提取成為可能。4.實(shí)現(xiàn)了基于支持向量機(jī)（SupportVectorMachine,SVM）的BCI通信載體單次提取的模式分類(lèi)算法。該算法結(jié)合了基于自回歸模型的自適應(yīng)噪聲抵消和基于ICA特征提取與增強(qiáng)的技術(shù)。通過(guò)對(duì)多通道、單通道、多時(shí)程、多時(shí)段等各種特征組合