基于编码调制的视觉脑机接口关键技术研究及在脑控键盘中的应用

Visual evoked potential (VEP) based brain-computer interfaces (BCIs) have received increasing attention due to their advantages of easy system configuration, little user training, and a high information transfer rate. Code modulation based VEP (c-VEP) BCI achieves high communication speed, and is probable to take the lead in realizing commercialization. This kind of BCI, however, needs to be compromised between the number of stimulus targets and both detection accuracy and detection speed, and is not suitable for complex applications requiring a large number of stimulus targets, e.g., a character input system. On the basis of long-term research on VEP BCI systems, in this project we will make an intensive investigation of the key technologies of c-VEP BCIs such as visual stimulus property, optimal modulation coding, and corresponding decoding methods by combining theoretical analysis, offline simulation and online operation, in order to improve their practicality. Making use of the method of grouping modulation with different codes, the number of stimulus targets will be increased substantially under the premise of ensuring high detection accuracy and detection speed. We will design and build a multi-target real-time BCI system, and apply it to the control of a visual keyboard. The implementation of this project will provide a brand new idea for the development of BCI technology and achieve breakthrough progress in the application of BCI to character inputting.

基于视觉诱发电位（VEP）的脑机接口（BCI）具有系统配置简单、几乎不需要训练以及高的信息传输率等优点，因而在BCI研究中受到越来越多的关注。基于编码调制的VEP（c-VEP）BCI取得了很高的通信速度，是有可能率先实现产品化的BCI之一。然而，这种BCI在刺激目标数与检测精度和检测速度之间需要进行折衷，不适合需要大量刺激的复杂应用，如字符输入系统。本项目拟在我们对VEP BCI长期研究的基础上，采用理论分析、离线仿真与在线运行相结合的方法，深入研究c-VEP BCI的视觉刺激特性、最优调制编码以及相应的解码方法等关键技术，从而改进其实用性。通过不同编码分组调制的方法，在确保高检测精度和检测速度的条件下，大幅度提高刺激目标数，设计和实现一个实时多目标BCI系统，并将其应用于视觉键盘的控制。本项目的实施将为BCI技术的发展提供一个全新的思路，并将使BCI在字符输入中应用取得突破性的进展。

基于编码调制的视觉脑机接口（c-VEP BCI）取得了很高的通信速度，是有可能率先实现产品化的BCI之一。然而，这种BCI需要在刺激目标数与检测速度之间进行折衷，不适合需要大量刺激的复杂应用，如字符输入系统。本项目采用理论分析、离线仿真与在线运行相结合的方法，深入研究了c-VEP BCI的视觉刺激特性、最优调制编码以及相应的解码方法等关键技术。在此基础上，我们提出了使用不同编码对刺激目标进行分组调制的一种新的c-VEP BCI范式，可在不增加码长的前提下，大规模增加刺激目标数和提高信息传输率。根据这个范式，我们使用一对Golay互补序列和一个几完美序列对三组目标进行调制，开发了一个具有48个目标的c-VEP BCI系统，取得了91.67%的分类识别率和高达181比特/分钟的信息传输率；我们使用一对Golay互补序列和两个几完美序列对四组目标进行调制，进一步将这个范式拓展到64个目标，取得了88.36%的分类识别率和高达184.6比特/分钟的信息传输率，并基于这个BCI实现了一个脑控制键盘。这个新的范式显著改进了c-VEP BCI的性能，并因此促进了它在字符输入等领域的实际应用。