基于EEG卷积混合模型的自适应空域滤波及其在脑－机接口中的应用

Brain-computer interface (BCI) is a specific Human-Computer interface，in which the brain wave is employed as the carrier of control information. The ultimate goal of BCI is to build a direct communication pathway between human brain and external environment.Compared with invasive technology, non-invasive brain computer interface (BCI), owing to its more security and ease of use, has become a research hotspot. However, scalp EEG has lower spatial resolution and the inherent nonstationarity,which makes the EEG-based neural activity decoding very difficult..In this project, the adaptive spatial filtering method based on convolutive mixture model for EEG and its application to the non-invasive BCI will be carried out. The main research work can be summarized as two aspects, including: (1)the new spatial filtering method based on the convolutive mixture model of EEG for information extraction from neuronal activities will be studied. (2) BCI experiments will be carried out to validate the performance of the proposed model and spatial filtering method. During the research, we hope that the convolutive mixing model can be reasonably applied to the multi-channel EEG analysis and a relatively reliable model based on adaptive updating algorithm can be established. Considering the real description of neuronal activity and the location of EEG source， we also hope that the stability and accuracy of new method can be improved substantially. On these bases, combined with our established BCI experimental systems, we will carry out the BCI experiments to analyze and test the performance of the novel approach.

脑－机接口(BCI)是一种特殊的人机交互技术，其特点是以脑电信号为信息载体，实现人脑对外部设备的直接控制。非植入式BCI因其安全性和操作方便等优势成为了研究热点。但是,头皮EEG固有的非平稳性和低空间分辨率特性,使得基于EEG的神经活动提取非常困难。本项目以"基于EEG卷积混合模型的自适应空域滤波及其在脑－机接口中的应用"为课题，开展相关的研究工作，具体内容可概括为两个方面，即：1) EEG卷积混合生成模型和空域滤波新方法研究；2) 基于所建立的新模型和新方法，开展相关的BCI实验和算法验证工作。我们希望通过此次项目的研究，能将卷积混合模型合理地应用于多道头皮EEG分析，并建立相对可靠的模型自适应更新算法；在神经活动信息的真实描述和源的获取方面，我们希望新方法的稳定性和精确性有实质性的改善。在此基础上，我们将结合实验室已建立的BCI系统，开展新方法测试和实验研究。

基于脑电(EEG)的脑-机接口(BCI)技术是当前脑科学和智能人-机交互领域的热点，本项目围绕运动想象EEG-BCI的卷积混合空域模型和自适应滤波技术开展相关的新方法与系统实现研究，选题具有重要的理论与实际意义。项目的具体研究内容和成果包括：1）根据项目需要，设计了不同形式的运动想象EEG(MIEEG)采集实验范式，并在实验室网站公开了项目执行期间采集的全部MIEEG数据集（http://iiphci.ahu.edu.cn/resources.php?Q_pageNow=1），可供BCI领域的研究者自由下载和使用;2）提出了一种基于独立分量分析(ICA)的运动想象BCI (MIBCI) 系统实现的算法框架，并针对系统各算法模块及其整体性能，进行了全面的实验测试。结果表明，ICA相比目前常用的共同空间模式(CSP)空域滤波方法，在MIBCI系统实现中具有更大的应用潜力；3）对影响ICA-MIBCI系统性能的各种因素，如算法参数初始化、突发伪迹干扰和导联优化等问题进行了分析和实验研究，提出了基于单次试验的ICA设计和识别率矩阵(accuracy-matrix)的EEG训练样本质量评估和优化选择新方法；4）基于所提ICA-MIBCI算法和NeuroScan多导EEG采集平台，实现了结合EOG和EEG的混合模式在线BCI系统，并进行了实测实验，获得了预期的效果；5）基于所提ICA-MIBCI算法框架，对目前常用的经典ICA算法（如Infomax，FastICA，Jade和SOBI等）在MIBCI系统实现中的性能进行比较，指出经典ICA算法可能不适合直接应用于MIBCI系统的实现；6）对基于卷积混合模型的ICA算法及其在MIEEG分析中的应用开展研究，并在C++环境下，建立了集成多种类型卷积ICA算法代码的离线分析系统. 值得一提的是时域卷积ICA在单次MIEEG分析和BCI系统实现方面可能具有很大的应用潜力；7）针对动态ICA/CSP算法参数的自适应更新问题，提出并实现了基于滑动窗的2-4阶累积量和协方差矩阵的在线更新算法；8）在运动想象EEG采集实验中，同步录制了被试面部视频数据，开展了融合ICA和IPPG(image photoplethysmography)生命体征参数获取新方法研究，为实验室拟开展的基于生命体征参数和EEG信号的情感人-机交互研究提供了必要的研究数据