基于稳态视觉诱发电位的在线脑机接口研究

doi:10.3778/j.issn.1002-8331.1504-0257

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (3): 154-159.DOI: 10.3778/j.issn.1002-8331.1504-0257

基于稳态视觉诱发电位的在线脑机接口研究

董恩增，郭光瑞，陈超

天津理工大学自动化学院复杂系统控制理论及应用重点实验室，天津 300384

出版日期:2017-02-01 发布日期:2017-05-11

Research of steady-state visual evoked potential based online brain-computer interface

DONG Enzeng, GUO Guangrui, CHEN Chao

Complex System Control Theory and Application Key Laboratory, School of Electrical Engineering, Tianjin University of Technology, Tianjin 300384, China

Online:2017-02-01 Published:2017-05-11

摘要/Abstract

摘要： 针对脑机接口中存在的抗噪声能力差、操作复杂的问题，利用便携式脑电采集设备Emotiv EPOC以及NAO机器人，搭建了一个抗噪能力较好的稳态视觉诱发在线脑机接口系统。该系统采用典型相关性分析进行稳态视觉诱发电位的频率识别。在线实验中受试者通过Emotiv控制NAO机器人运动，四类任务的准确率达到87.50%。在线实验没有回避周围的噪声，表明该系统具有较好的抗噪能力。

关键词: 稳态视觉诱发电位, 脑机接口, Emotiv EPOC, NAO机器人, 典型相关性分析

Abstract: The most brain-computer interface systems perform badly in resisting the noise and seem complicated for operation. This paper proposes a steady-state visual evoked potential based online brain computer interface system employing the portable EEG collecting device Emotiv EPOC and the NAO robot, which has a good ability of anti-noise. This system utilizes canonical correlation analysis to detect the frequency of steady-state visual evoked potential. In online experiment, the NAO robot is controlled by the EEG signals collected from Emotiv EPOC, the average classification accuracy rate of 4 types of tasks achieves 87. 50%. The online experiment doesn’t suffer from the surrounding noise, which shows the system has a good ability to resist the noise.

Key words: steady-state visual evoked potential, brain computer interface, Emotiv EPOC, NAO robot, canonical correlation analysis

董恩增，郭光瑞，陈超. 基于稳态视觉诱发电位的在线脑机接口研究[J]. 计算机工程与应用, 2017, 53(3): 154-159.

DONG Enzeng, GUO Guangrui, CHEN Chao. Research of steady-state visual evoked potential based online brain-computer interface[J]. Computer Engineering and Applications, 2017, 53(3): 154-159.

[1]	乔敏，张德雨，刘思宇，闫天翼，相洁. 新颖的稳态视觉诱发电位脑机接口系统[J]. 计算机工程与应用, 2021, 57(8): 153-159.
[2]	李子杏，兰珍，唐邓清，闫超，相晓嘉，周晗. 基于ERP信号的目标检测研究综述[J]. 计算机工程与应用, 2021, 57(23): 37-49.
[3]	谭学敏，郭超. 半监督学习的运动想象脑电信号分类[J]. 计算机工程与应用, 2020, 56(3): 139-145.
[4]	朱悦，李春光，郭浩，祝宇飞，孙立宁. 运动想象的机理研究与应用综述[J]. 计算机工程与应用, 2020, 56(10): 10-19.
[5]	朱小波1，2，车进1，2，郝志洋1，2，刘毅1，2，杭立1，2. NAO机器人的快速迷宫拐点测距及航向矫正[J]. 计算机工程与应用, 2018, 54(10): 169-172.
[6]	秦学斌，张一哲，汪梅. 脑波信号控制轨道小车系统的研制[J]. 计算机工程与应用, 2017, 53(11): 260-264.
[7]	陈磊，张国良，张维平，敬斌. 双足机器人动态步态规划[J]. 计算机工程与应用, 2014, 50(1): 267-270.
[8]	张瑞，李远清. 多模态脑机接口游戏系统的设计与应用[J]. 计算机工程与应用, 2012, 48(22): 65-69.
[9]	胡剑锋,穆振东,肖丹. 基于能量熵的运动想象脑电信号分类[J]. 计算机工程与应用, 2008, 44(33): 235-238.
[10]	唐艳¹,汤井田¹,龚安栋^1,2. 基于公共空间频率模型的脑电数据分类[J]. 计算机工程与应用, 2008, 44(20): 159-161.
[11]	周鹏¹,曹红宝^1,2,熊屹¹,葛家怡¹,张爽¹,王明时¹. 基于脑机接口的智能康复系统的设计[J]. 计算机工程与应用, 2007, 43(26): 1-4.

基于稳态视觉诱发电位的在线脑机接口研究

Research of steady-state visual evoked potential based online brain-computer interface

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics