基于脑电的脑机接口关键技术和应用前景.docVIP

基于脑电的脑-机接口：关键技术和应用前景 尧德中，刘铁军，雷 旭，杨 平，徐 鹏，张杨松 (神经信息教育部重点实验室；电子科技大学生命科学与技术学院 成都 610054) 【摘要】 介绍了运动想像脑-机接口技术中的几项核心技术，即在信息特征提取阶段采用的共空间模式和判决空间模式 滤波方法、在模式识别阶段采用的大概率测试样本扩充训练集合的贝叶斯线性判决分析方法、直推式支持向量机方法、基于 流形学习的拉普拉斯支持向量机方法和基于分层贝叶斯模型的方法。介绍了在线系统设计中的放大器设计和空闲态检测，展 望了未来的发展方向。 关 键 词 脑机接口; 脑电; 特征提取; 在线系统; 模式识别 中图分类号 R318 文献标识码 A doi:10.3969/j.issn.1001-0548.2009.05.009 Electroencephalogram Based Brain-Computer Interface: Key Techniques and Application Prospect YAO De-zhong, LIU Tie-jun, LEI Xu, YANG Ping, XU Peng, and ZHANG Yang-song (Key Laboratory for NeuroInformation of Ministry of Education, School of Life Science and Technology, University of Electronic Science and Technology of China Chengdu 610054) Abstract Several key techniques of brain computer-interface based on motor imagery are introduced. For the feature extraction, emphasized are the common spatial patterns (CSP) and discriminative spatial patterns (DSP) filters; for the pattern recognition, stressed are the Bayesian linear discriminant analysis (BLDA) employed large probabilistic test samples to expand the training set, the transductive support vector machines (TSVM), the manifold-based Laplacian support vector machine (LapSvm), and the hierarchical Bayesian linear discriminant analysis. For on-line system realization, amplifier designing and the idle-state detection are described. Finally, the potential future directions are discussed. Key words brain-computer interface; electroencephalogram; feature extraction; on-line learning; pattern recognition 人际交流能力是关系到生活是否和谐美好的重要因素，而交流的工具则可以是面部表情、书信、身体姿态或心灵感应。事实上，交流是人类存在的基础，使得人与人之间相互理解，分享快乐和痛苦并维系日常生活。然而，一些人由于意外事故、生病等因素丧失了全部或者部分信息交流的能力，脑机接口(brain computer interface，BCI)的目标就是修复或者替代这种输出，它是在人脑与计算机或其他电子设备之间建立的直接交流和控制通道，不依赖于脑的正常输出通路，是一种全新的对外信息交流和控制方式[1-5]。在过去的20年里，BCI的研究逐渐兴起，并取得了一些实质性的进展。1995年，研究BCI技术的团体和组织还不超过6个，而现在已经发展到数以百计[3]。除了一些著名大学和研究机构外，诺基亚等高科技企业也投入巨额资金从事该项研发工作。在新闻媒体上有关BCI的新闻屡见不鲜，如布朗大学的植入式BCI研究成果被《探索》杂志认为是2006年7大技术发现中最重要的技术发现；2008年，由美国两家公司研发的用大脑操控电子游戏的设备上市；国内许多单位也取得了很好的进