基于虚拟仪器LabVIEW的脑—机接口系统

doi:10.3778/j.issn.1002-8331.2008.31.072

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (31): 245-248.DOI: 10.3778/j.issn.1002-8331.2008.31.072

• 工程与应用 • 上一篇

基于虚拟仪器LabVIEW的脑—机接口系统

权苏会¹,何庆华¹,田逢春²

1.重庆大学通信工程学院，重庆 400044
2.第三军医大学大坪医院野战外科研究所，重庆 400042

收稿日期:2007-12-03 修回日期:2008-02-21 出版日期:2008-11-01 发布日期:2008-11-01
通讯作者: 权苏会

Realization of Brain-Computer Interface（BCI） based on LabVIEW

QUAN Su-hui¹,HE Qing-hua¹,TIAN Feng-chun²

1.Institute of Communication Engineering，Chongqing University，Chongqing 400044，China
2.Daping Hospital，Surgery Institute of the Third Military Medical University，Chongqing 400042，China

Received:2007-12-03 Revised:2008-02-21 Online:2008-11-01 Published:2008-11-01
Contact: QUAN Su-hui

摘要/Abstract

摘要： 给出了基于瞬态视觉诱发电位的脑-机接口系统在LabVIEW环境下的实现方案。该方案的关键部分是视觉刺激器的设计和脑电信号的提取两部分。不同的刺激模块代表了多种可能的选择，受试者注视屏幕上其中一个目标，分析诱发电位可判别试者所注视的目标。采用累加平均和滤波的方法提高信噪比，用于提取微弱的脑电信号。该方案能有效地诱发出可识别的具有特征性的视觉诱发电位，并且通过离线的信号处理能够提取出所诱发的视觉诱发电位。

关键词: 脑-机接口, 视觉诱发电位, LabVIEW, 信号处理

Abstract: The realization of Brain-Computer Interface（BCI） based on transient visual evoked potential under LabVIEW is presented．The critical parts of the solution are the realization of the visual stimulation and the extraction of EEG．The different stimulation module represents a number of possible selections，and then the testee fixate on one object on the screen，which can be distinguished by the analysis of the VEPs．The averaging and filtering method is used to extract the VEP signal by improving the Signal-to-Noise（SNR）．Recognizable VEP signal with distinct characteristics can be evoked effectively，and also can be extracted by the offline signal processing．

Key words: Brain-Computer Interface（BCI）, Visual Evoked Potential（VEP）, LabVIEW, signal processing

权苏会¹,何庆华¹,田逢春². 基于虚拟仪器LabVIEW的脑—机接口系统[J]. 计算机工程与应用, 2008, 44(31): 245-248.

QUAN Su-hui¹,HE Qing-hua¹,TIAN Feng-chun². Realization of Brain-Computer Interface（BCI） based on LabVIEW[J]. Computer Engineering and Applications, 2008, 44(31): 245-248.

[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]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[3]	胡青渝，刘广臣. DBN在蛋白质编码区识别问题中的应用研究[J]. 计算机工程与应用, 2020, 56(4): 247-255.
[4]	杨航，朱永利. 基于Storm的局部放电信号集合经验模态分解[J]. 计算机工程与应用, 2020, 56(10): 261-267.
[5]	夏宇声，刘凯，张浩，金飞宇，郑林江. 基于多边限定的室内定位方法设计与系统实现[J]. 计算机工程与应用, 2019, 55(11): 250-256.
[6]	黄衍标，安娟，陈华珍，廖惜春. 基于巨磁阻抗传感器的心磁信号检测的研究[J]. 计算机工程与应用, 2018, 54(4): 250-255.
[7]	彭自然1，王国军1，2. 基于MPSoC平台小波变换并行算法研究[J]. 计算机工程与应用, 2017, 53(4): 33-38.
[8]	赖松轩，李艳雄. 说话人聚类的初始类生成方法[J]. 计算机工程与应用, 2017, 53(3): 149-153.
[9]	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.
[10]	田正东1，唐加山2. 面阵中基于传播算子的二维DOA估计算法[J]. 计算机工程与应用, 2017, 53(22): 35-39.
[11]	刘佳，高晓阳，贺大伟，侯宝华，李红岭，杨志平，邵世禄，武季玲. 基于LabVIEW的大麦远程监控系统的设计与试验[J]. 计算机工程与应用, 2017, 53(16): 216-220.
[12]	孟娟，洪利，程丽娜，吴燕雄. 自适应去噪的地震数据采集系统设计[J]. 计算机工程与应用, 2017, 53(16): 258-262.
[13]	赵瑞娟1，2，官金安1，2，谢国栋1，2. 稀疏降噪自编码器在IR-BCI的应用研究[J]. 计算机工程与应用, 2017, 53(11): 167-171.
[14]	郭红想，严军，王典洪，余蓓蓓. 基于小波包和组合分类器的脑电信号分类[J]. 计算机工程与应用, 2016, 52(18): 148-153.
[15]	曾志强，祝锡晶，王俊元，高琼，李红钢. 基于LabVIEW的药筒梯形槽宽视觉精确测量研究[J]. 计算机工程与应用, 2015, 51(9): 173-175.

基于虚拟仪器LabVIEW的脑—机接口系统

Realization of Brain-Computer Interface（BCI） based on LabVIEW

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics