数据区间优化对SSVEP算法性能的影响

段志豪, 刘 冲, 陈 杰, 陆志国

(东北大学 机械工程与自动化学院, 辽宁 沈阳 110819)

脑-机接口(brain-computer interface,BCI)是一种不需要依赖大脑外周神经和肌肉、直接由脑信号实现大脑与外部设备控制的系统[1].在脑-机接口系统中,基于稳态视觉诱发电位(SSVEP)BCI系统具有信噪比高、信息传输率高、不需要训练等特点,在BCI领域得到广泛应用[2-3].在SSVEP的研究中, 信息传输速率(information transfer rate, ITR)是当前BCI系统最常用的评价指标,它同时考虑了刺激个数、准确率和时间三个指标[4].为了提高系统性能,得到较高的信息传输速率,在最短的时间内得到最高的识别准确率成为学者们研究的目的.Chen等[5-6]观察到,在SSVEP响应中,可以成功区分两个频率差低至0.2 Hz的闪烁目标,并提出一种基于SSVEP的高速拼写器,极大地增加了指令集的数目.Chen 等[7]还提出了联合频率-相位调制的方法,进一步地将指令集扩展到了45个.徐光华等[8]提出基于高频组合编码的刺激范式,解决了单频率呈现目标数量受限的问题,增加了传统的目标数和可选范围.Volosyak[9]提出一种基于SSVEP的拼写器时间段长度自适应机制,在保证准确率的情况下减小了单个试次时间,提高了系统的ITR.王春慧等[10]提出使用动态自适应策略来确定不同个体和试次之间的单个指令时间,并结合贝叶斯理论显著提升了SSVEP拼写器的性能.以上研究在确定最优指令时间时,考虑到视觉系统的140 ms[11]延迟,在处理数据时会统一将刺激呈现之后0.14 s作为数据区间的起始点,并通过改变数据区间的终点来确……