基于高频SSVEP信号的脑机接口系统

本发明涉及脑机接口，尤其涉及基于高频ssvep信号的脑机接口系统。

背景技术：

1、人类的大脑，作为自然界最为神秘且复杂的器官，其复杂程度令人叹为观止。全球对脑科学的研究，旨在深化对大脑基本规律的理解，同时满足人民对脑健康的需求，特别是那些因神经损伤而生活质量下降的人们，例如脊髓损伤等神经系统疾病。尽管现代医学在缓解疼痛和辅助治疗方面取得了不小的进步，但这些手段往往无法恢复患者与外界的有效交互能力。正是在这样的背景下，脑-机接口技术应运而生，为渐冻症(als)晚期患者与外界的沟通带来了新的希望。

2、在脑-机接口技术的研究中，视觉诱发电位(steady-state visual evokedpotential，简称ssvep)信号的应用备受关注。在脑电图(eeg)中，ssvep信号的特征是在刺激频率或其倍频上产生谱峰。通过分析这些谱峰对应的频率，可以检测受试者正在注视的刺激源，从而实现对受试者意图的识别。ssvep信号通常由周期性的视觉刺激诱发，而这些刺激可以分为低频带(4～12hz)、中频带(12～30hz)和高频带(>30hz)三个范围。目前已有的ssvep-bci系统主要集中在低频和中频范围，因为这些范围能够产生较大的信号振幅响应和更高的信息传输速率(itr)。低频和中频的ssvep-bci已经在实际应用中取得了显著的成就。然而，高频ssvep信号同样具有其独特的应用价值。因此本发明设计了一个针对40hz以上高频ssvep算法的舒适、短时刺激的稳态视觉诱发电位脑机接口系统，通过深入研究高频ssvep信号等关键技术，希望为更多患者带来更加美好的未来。

技术实现思路

1、本发明的目的是提供基于高频ssvep信号的脑机接口系统，使被试能够在短时间内进行高频稳态视觉诱发电位的检测，系统的稳定性和可靠性为后续实验提供了坚实的基础；采用三目标设计，考虑目标大小、频率和初始相位等因素，确保实验任务的多样性和可重复性；采用的trca训练算法，实现脑机接口的控制；验证了40hz以上高频稳态视觉诱发电位脑机接口系统的可行性，高频稳态视觉诱发电位在脑机接口技术领域有广泛的应用前景，为进一步的研究和应用提供了支持。

2、为实现上述目的，本发明提供了基于高频ssvep信号的脑机接口系统，包括：

3、(1)建立系统框架，其中系统架构包括刺激子系统、信号处理子系统、数据采集子系统；

4、(2)对高频ssvep信号进行分类实验，通过记录被试在不同频率的ssvep刺激下的脑电信号来进行分类；

5、(3)基于trca分类算法，构建算法处理模块；

6、(4)设计实验并对实验结果进行分析。

7、优选的，所述刺激子系统包括视觉刺激生成模块、视觉刺激控制模块、子系统通信模块以及业务逻辑模块；刺激子系统负责刺激界面的呈现以及提供信息的视觉反馈，实现与用户的直接互动。

8、优选的，所述视觉刺激生成模块负责生成视觉刺激范式图像帧；所述视觉刺激控制模块负责管理刺激范式的流程；所述子系统通信模块实现与算法端连接，并接收反馈；所述业务逻辑模块负责与用户直接交互，提供实时在线刺激及反馈。

9、优选的，所述信号处理子系统包括子系统通信模块、eeg信号接收模块、eeg信号处理模块以及业务逻辑模块；信号处理子系统将脑电信号转化为控制指令。

10、优选的，所述eeg信号接收模块负责将接收到的eeg数据流转化为矩阵形式，并将其切分成固定长度的数据包，然后将这些数据包存储在数据队列中；所述eeg信号处理模块从数据队列中读取数据包，运行脑电信号识别算法，并输出识别结果；所述业务逻辑模块生成的反馈信号通过子系统通信模块传递给刺激子系统。

11、优选的，所述数据采集子系统对脑电信号进行采集，并对信号预处理，包括工频滤波，以去除电源干扰，以及降采样。

12、优选的，基于trca分类算法，构建算法处理模块，待识别的ssvep信号由任务相关信号x(t)和任务无关(task-independent)信号n(t)组成，如下所示：

13、xj(t)＝a1,js(t)+a2,jn(t),j＝1,2,…,nc

14、其中，a1,j，a2,j表示混合系数，s(t)在跨试次过程中保持着不变性，n(t)在跨试次中是变化的，对于一个时间窗口内的s(i)和n(i)，s(i)之间的协方差为一个正常数，s(i)和n(i)之间的协方差为0；

15、从x(t)中提取任务相关成分s(t)，并对多通道的eeg信号进行加权求和，如下所示：

16、

17、优选的，基于协方差的covmax，记的eeg信号与任务相关成分为xh1(t)和yh2(t)，那么和的y(t)之间的协方差，如下所示：

18、

19、所有试次的组合，如下所示：

20、

21、其中，对称矩阵s，如下所示：

22、

23、对y(t)做归一化约束，获取有效解，如下所示：

24、

25、约束优化问题转变为rayleigh-ritz特征值问题，如下所示：

26、

27、基于rayleigh-ritz理论，最佳系数向量w通过求解q-1s的特征向量得到。

28、优选的，利用刺激n的训练数据通过trca得到对应的空间滤波器利用对test trialxm和训练集平均信号进行空间滤波，两者的皮尔森相关系数，如下所示：

29、

30、因此，本发明采用上述基于高频ssvep信号的脑机接口系统，使被试能够在短时间内进行高频稳态视觉诱发电位的检测，系统的稳定性和可靠性为后续实验提供了坚实的基础；采用三目标设计，考虑目标大小、频率和初始相位等因素，确保实验任务的多样性和可重复性；采用的trca训练算法，实现脑机接口的控制；验证了40hz以上高频稳态视觉诱发电位脑机接口系统的可行性，高频稳态视觉诱发电位在脑机接口技术领域有广泛的应用前景，为进一步的研究和应用提供了支持。

31、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

技术特征：

1.基于高频ssvep信号的脑机接口系统，其特征在于，包括：

2.根据权利要求1所述的基于高频ssvep信号的脑机接口系统，其特征在于：所述刺激子系统包括视觉刺激生成模块、视觉刺激控制模块、子系统通信模块以及业务逻辑模块；刺激子系统负责刺激界面的呈现以及提供信息的视觉反馈，实现与用户的直接互动。

3.根据权利要求2所述的基于高频ssvep信号的脑机接口系统，其特征在于：所述视觉刺激生成模块负责生成视觉刺激范式图像帧；所述视觉刺激控制模块负责管理刺激范式的流程；所述子系统通信模块实现与算法端连接，并接收反馈；所述业务逻辑模块负责与用户直接交互，提供实时在线刺激及反馈。

4.根据权利要求1所述的基于高频ssvep信号的脑机接口系统，其特征在于：所述信号处理子系统包括子系统通信模块、eeg信号接收模块、eeg信号处理模块以及业务逻辑模块；信号处理子系统将脑电信号转化为控制指令。

5.根据权利要求1所述的基于高频ssvep信号的脑机接口系统，其特征在于：所述eeg信号接收模块负责将接收到的eeg数据流转化为矩阵形式，并将其切分成固定长度的数据包，然后将这些数据包存储在数据队列中；所述eeg信号处理模块从数据队列中读取数据包，运行脑电信号识别算法，并输出识别结果；所述业务逻辑模块生成的反馈信号通过子系统通信模块传递给刺激子系统。

6.根据权利要求1所述的基于高频ssvep信号的脑机接口系统，其特征在于：所述数据采集子系统对脑电信号进行采集，并对信号预处理，包括工频滤波，以去除电源干扰，以及降采样。

7.根据权利要求1所述的基于高频ssvep信号的脑机接口系统，其特征在于，基于trca分类算法，构建算法处理模块，待识别的ssvep信号由任务相关信号x(t)和任务无关(task-independent)信号n(t)组成，如下所示：

8.根据权利要求7所述的基于高频ssvep信号的脑机接口系统，其特征在于，基于协方差的covmax，记的eeg信号与任务相关成分为xh1(t)和yh2(t)，那么和的y(t)之间的协方差，如下所示：

9.根据权利要求8所述的基于高频ssvep信号的脑机接口系统，其特征在于，利用刺激n的训练数据通过trca得到对应的空间滤波器利用对test trialxm和训练集平均信号进行空间滤波，两者的皮尔森相关系数，如下所示：

技术总结
本发明公开了基于高频SSVEP信号的脑机接口系统，属于脑机接口技术领域。该系统包括：建立系统框架；对高频SSVEP信号进行分类实验，通过记录被试在不同频率的SSVEP刺激下的脑电信号来进行分类；基于TRCA分类算法，构建算法处理模块；设计实验并对实验结果进行分析；其中，系统架构包括刺激子系统、信号处理子系统、数据采集子系统。本发明采用上述的基于高频SSVEP信号的脑机接口系统，验证了40Hz以上高频稳态视觉诱发电位脑机接口系统的可行性，系统的稳定性和可靠性为后续实验提供了坚实的基础，高频稳态视觉诱发电位在脑机接口技术领域有广泛的应用前景，为进一步的研究和应用提供了支持。

技术研发人员：杨晨,李子博,张洪欣,余兆亮
受保护的技术使用者：北京邮电大学
技术研发日：
技术公布日：2024/9/23