腦機(jī)接口（brain-computer interface,BCI）技術(shù)作為一項(xiàng)新興且發(fā)展?jié)摿薮蟮募夹g(shù),已成為國(guó)際研究熱點(diǎn);但面向?qū)嶋H應(yīng)用,現(xiàn)有BCI技術(shù)仍面臨許多有待解決的問(wèn)題,如基于穩(wěn)態(tài)視覺(jué)誘發(fā)（SSVEP）的BCI技術(shù)控制命令數(shù)有限,基于運(yùn)動(dòng)想象（motor imagery,MI）的BCI存在誘發(fā)生理信號(hào)空間分辨率低、訓(xùn)練時(shí)間長(zhǎng)等問(wèn)題;研究表明,混合腦機(jī)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(zhǔn)確率、穩(wěn)定性方面均有所提升;文章對(duì)HBCI進(jìn)行了介紹,從基于多腦電模式的混合腦機(jī)接口、基于多種刺激誘發(fā)的混合腦機(jī)接口、基于多模態(tài)信號(hào)的混合腦機(jī)接口這三個(gè)類(lèi)別分別對(duì)HBCI的研究進(jìn)展進(jìn)行闡述,并對(duì)HBCI關(guān)鍵技術(shù)、需要解決的問(wèn)題及應(yīng)用方向進(jìn)行了概述。 

【文章來(lái)源】：計(jì)算機(jī)測(cè)量與控制. 2020,28(09)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

BCI的早期描繪[2]

圖1 BCI的早期描繪[2]HBCI技術(shù)，可以滿(mǎn)足多自由度控制系統(tǒng)控制指令多、實(shí)時(shí)性強(qiáng)的實(shí)際控制需求，有利于突破單模態(tài)腦機(jī)接口控制指令有限和多分類(lèi)識(shí)別準(zhǔn)確率低的問(wèn)題，提升動(dòng)作指令數(shù)量，增加人機(jī)交互適用性和輸出特征，完善人機(jī)交互系統(tǒng)功能，在空間遙操作及裝備控制領(lǐng)域有著廣闊的應(yīng)用前景。

文章按照基于多腦電模式的混合腦機(jī)接口、基于多種刺激誘發(fā)的混合腦機(jī)接口、基于多模態(tài)信號(hào)的混合腦機(jī)接口三個(gè)分類(lèi)對(duì)混合腦機(jī)接口的研究進(jìn)展進(jìn)行了闡述，通過(guò)對(duì)比發(fā)現(xiàn)，基于多腦電/多模態(tài)融合的腦機(jī)接口有利于獲得更高的識(shí)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(yùn)動(dòng)功能部分缺失以及操作疲勞等因素對(duì)模式識(shí)別結(jié)果造成的不利影響，從而提升整體系統(tǒng)的準(zhǔn)確率和魯棒性。但當(dāng)前混合腦機(jī)接口技術(shù)仍面臨著不小的挑戰(zhàn)及亟待解決的問(wèn)題：（1）單模態(tài)識(shí)別率有待進(jìn)一步提升。異構(gòu)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(huì)對(duì)融合系統(tǒng)性能產(chǎn)生影響；（2）多信號(hào)同步采集及分析方法有待進(jìn)一步探索研究�；谀X電的多信號(hào)融合主要涉及特征層、決策層融合[43]，以多模態(tài)混合腦機(jī)接口特征層融合為例，各模態(tài)信號(hào)的同步采集、特征提取是需要融合時(shí)需要解決的首要問(wèn)題，而多模態(tài)系統(tǒng)涉及2類(lèi)以上不同模態(tài)的同步處理和檢測(cè)，這就為實(shí)際融合帶來(lái)一定的難度，需要進(jìn)一步研究；（3）融合方式及融合機(jī)制有待進(jìn)一步探索。融合方式對(duì)融合系統(tǒng)的性能，包括準(zhǔn)確率、結(jié)果輸出穩(wěn)定性等產(chǎn)生影響。建立互補(bǔ)、互糾正的基于容錯(cuò)模式的融合機(jī)制有利于提升混合腦機(jī)接口系統(tǒng)的性能；（4）人機(jī)良耦合系統(tǒng)有待于進(jìn)一步完善。面向應(yīng)用的混合腦機(jī)接口，應(yīng)當(dāng)為用戶(hù)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(yīng)能力，構(gòu)建人機(jī)良耦合系統(tǒng)。

【參考文獻(xiàn)】：
期刊論文
[1]基于視聽(tīng)交互刺激的認(rèn)知機(jī)理與腦機(jī)接口范式研究進(jìn)展[J]. 安興偉,曹勇,焦學(xué)軍,明東.  電子測(cè)量與儀器學(xué)報(bào). 2017(07)
[2]基于腦肌電融合的混合腦機(jī)接口研究[J]. 謝平,陳迎亞,郝艷彪,陳曉玲,杜義浩,吳曉光.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2016(01)
[3]腦機(jī)接口關(guān)鍵技術(shù)研究[J]. 楊幫華,顏國(guó)正,丁國(guó)清,于蓮芝.  北京生物醫(yī)學(xué)工程. 2005(04)

博士論文
[1]腦—機(jī)接口的特征提取和分類(lèi)方法研究[D]. 趙海濱.東北大學(xué) 2009

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



本文編號(hào)：3416080