腦機接口（brain-computer interface,BCI）技術作為一項新興且發(fā)展?jié)摿薮蟮募夹g,已成為國際研究熱點;但面向實際應用,現(xiàn)有BCI技術仍面臨許多有待解決的問題,如基于穩(wěn)態(tài)視覺誘發(fā)（SSVEP）的BCI技術控制命令數(shù)有限,基于運動想象（motor imagery,MI）的BCI存在誘發(fā)生理信號空間分辨率低、訓練時間長等問題;研究表明,混合腦機接口（hybrid brain-computer interface,HBCI）相比于傳統(tǒng)單模態(tài)BCI系統(tǒng),在系統(tǒng)準確率、穩(wěn)定性方面均有所提升;文章對HBCI進行了介紹,從基于多腦電模式的混合腦機接口、基于多種刺激誘發(fā)的混合腦機接口、基于多模態(tài)信號的混合腦機接口這三個類別分別對HBCI的研究進展進行闡述,并對HBCI關鍵技術、需要解決的問題及應用方向進行了概述。 

【文章來源】：計算機測量與控制. 2020,28(09)

【文章頁數(shù)】：6 頁

【部分圖文】：

BCI的早期描繪[2]

圖1 BCI的早期描繪[2]HBCI技術，可以滿足多自由度控制系統(tǒng)控制指令多、實時性強的實際控制需求，有利于突破單模態(tài)腦機接口控制指令有限和多分類識別準確率低的問題，提升動作指令數(shù)量，增加人機交互適用性和輸出特征，完善人機交互系統(tǒng)功能，在空間遙操作及裝備控制領域有著廣闊的應用前景。

文章按照基于多腦電模式的混合腦機接口、基于多種刺激誘發(fā)的混合腦機接口、基于多模態(tài)信號的混合腦機接口三個分類對混合腦機接口的研究進展進行了闡述，通過對比發(fā)現(xiàn)，基于多腦電/多模態(tài)融合的腦機接口有利于獲得更高的識別率和精度，系統(tǒng)輸出也更穩(wěn)定。以EEG和EMG混合為例，混合模式有利于降低運動功能部分缺失以及操作疲勞等因素對模式識別結果造成的不利影響，從而提升整體系統(tǒng)的準確率和魯棒性。但當前混合腦機接口技術仍面臨著不小的挑戰(zhàn)及亟待解決的問題：（1）單模態(tài)識別率有待進一步提升。異構信息源需考慮不同程度的非平穩(wěn)態(tài)、魯棒性、源間變量信息[42]，單一模態(tài)性能會對融合系統(tǒng)性能產(chǎn)生影響；（2）多信號同步采集及分析方法有待進一步探索研究。基于腦電的多信號融合主要涉及特征層、決策層融合[43]，以多模態(tài)混合腦機接口特征層融合為例，各模態(tài)信號的同步采集、特征提取是需要融合時需要解決的首要問題，而多模態(tài)系統(tǒng)涉及2類以上不同模態(tài)的同步處理和檢測，這就為實際融合帶來一定的難度，需要進一步研究；（3）融合方式及融合機制有待進一步探索。融合方式對融合系統(tǒng)的性能，包括準確率、結果輸出穩(wěn)定性等產(chǎn)生影響。建立互補、互糾正的基于容錯模式的融合機制有利于提升混合腦機接口系統(tǒng)的性能；（4）人機良耦合系統(tǒng)有待于進一步完善。面向應用的混合腦機接口，應當為用戶的使用提供友好、清晰、易于操作的界面及敏捷反饋系統(tǒng)，需要考慮操作人員的適應能力，構建人機良耦合系統(tǒng)。

【參考文獻】：
期刊論文
[1]基于視聽交互刺激的認知機理與腦機接口范式研究進展[J]. 安興偉,曹勇,焦學軍,明東.  電子測量與儀器學報. 2017(07)
[2]基于腦肌電融合的混合腦機接口研究[J]. 謝平,陳迎亞,郝艷彪,陳曉玲,杜義浩,吳曉光.  中國生物醫(yī)學工程學報. 2016(01)
[3]腦機接口關鍵技術研究[J]. 楊幫華,顏國正,丁國清,于蓮芝.  北京生物醫(yī)學工程. 2005(04)

博士論文
[1]腦—機接口的特征提取和分類方法研究[D]. 趙海濱.東北大學 2009

碩士論文
[1]基于穩(wěn)態(tài)視覺誘發(fā)電位和運動想象的混合腦機接口系統(tǒng)研究與實現(xiàn)[D]. 竇立祥.天津理工大學 2018
[2]基于EEG-NIRS雙模態(tài)動作意圖的分類識別[D]. 李日成.東南大學 2017
[3]基于運動想象的腦—機接口的算法研究[D]. 王猛.西南科技大學 2016
[4]眼動信號的提取與分類識別研究[D]. 彭毅.上海師范大學 2016
[5]基于P300和SSVEP的腦—機接口研究[D]. 孟麗晶.華東理工大學 2013
[6]基于ERD/ERS腦—機接口的特征提取和分類算法研究[D]. 宋懿花.東北大學 2011



本文編號：3416080