(3)使用异步MI脑电信号识别任务状态

    μ、β节律的ERD现象是目前运动想象分类算法设计中最主要的特征之一，其基本原理是人在进行运动或者想像运动时，会导致相应运动皮层功能 区EEG信号中μ(8～14 Hz)、β(18～30 Hz)频段能量的下降。当停止运动或者想象运动时，上述频段能量则会恢复。这种频域能量的变化一般称为事件相关同步与去同步现象(Event- Related Desynchronization/Synchronization，ERD/ERS)。根据这一原理，通过设计合理的空域滤波器进行μ、β节律的 ERD特征提取与分类，以及通过在线频谱能量估计进行μ和β节律频段优化选择，实现两类运动想像任务的在线异步检测，可以识别两种任务状态。

    被试执行运动任务时的大脑活动分布如图 2所示。

    图2中A为右手实际运动，B为右手运动想像，C为被试休息（实线）与想象（虚线）条件下的电压频谱，D为对应的r²频谱。

    (4)使用SSVEP来快速选择打击目标，使用MOVEP进行任务分类

    SSVEP具有明显的周期性特征，给受试者提供一个特定频率的视觉刺激时，将在视皮层诱发出频率跟随特性的SSVEP信号，因此在枕区记录 到的脑电信号的功率谱将在刺激频率处出现明显的谱峰。试验研究发现，SSVEP频谱包含有一系列与刺激频率成整数倍关系的频率成分，其中以基频和二倍频成 分最为显著，并可由此设计基于SSVEP的目标选择原型范式。系统提供给受试代表不同意义的以不同频率闪烁的多个方块图形，并通过脑电信号频率的检测来确 定注视目标的选择。

    典型的Motion-onset VEP信号包含3个主要的信号特征：P1、N2、P2。N2主要出现在60 ms～200 ms，是很显著的信号特征，产生于颞枕区并与顶叶皮层区域相关。P2主要出现在240 ms左右，其强度随着视觉运动刺激的复杂程度的上升而上升。

    当被操控人员注视着目标模块时，模块内的可视目标的短暂运动会诱发出MOVEP信号，其是与该动作的开始相锁定关联的，其信号幅值远大于周 围其他模块信号。因此，EEG数据段里包含有与所选目标的动作起始时刻锁定的MOVEP信号，其具有显著的动作相关VEP特征。通过VEP特征能够找到操 控者在当前状态下所注视的任务模块，从而确定目标，给出结果。

2 系统实验与结果

2.1 系统实验

2.1.1 SSVEP

    实验流程如下：操控者坐于监视器前1.2 m处，头戴实时EEG电极帽进行EEG数据采集。监视器显示一组频率刺激图像，实验开始后，各频率块以不同的频率闪烁，同时要求操控者在一个实验中集中注意力观察自己选择的目标框。

    由于个体的差异，在进行基于SSVEP-BCI系统设计之前，需要对操控者进行刺激频率的选择。由于在频率域上每个操控者可用的频率并不是 太多，为了实现多任务的操控目的，在实验中采用多频序列编码范式，其利用频率在时间尺度上的置换完成对SSVEP-BCI系统刺激模块的编码，是一种周期 性的直接编码方案^[6]。

    多频序列编码原理如图 3所示。

2.1.2 MOVEP

    MOVEP的刺激形式如图4所示，4号位的一条线从方框右边向左边快速移动，在本系统中，线从右到左的移动时间是250 ms。若被试注意线起始出现的时刻，那么在后顶部位的电极处便可记录到MOVEP特征信号。

    由于被试间的N200和P200的潜伏期存在差异，为了优化系统的性能，根据双样本t检验和ANOVA方法为每个被试选取最优的时间窗。在优化后的时间窗内，按一定的降采样率提取特征点。

    MOVEP时域信号特征如图5所示。

    图5是从P3电极处采集的EEG信号经过叠加平均后的信号特征图，其中实线代表目标刺激的EEG信号，虚线代表非目标刺激的EEG信号。

2.2 实验结果

    通过实验验证SSVEP-BCI系统目前达到的技术指标为：(1)能实现对屏幕上同时出现的6种目标进行区分选择；(2)控制精确度大于80%；(3)锁定时间约500 ms。 (责任编辑：oumao18)