文摘

提高独立生活能力的人遭受脊髓损伤(者)对他们的生活质量至关重要。脑-机接口(bci)与高层者为人们提供有价值的解决方案。提出了一种新颖实用P300-based混合stimulus-on-device (SoD) BCI无线网络应用程序的体系结构。而不是stimulus-on-panel架构(SoP),拟议中的SoD架构提供了一个直观的控制方案。然而,由于P300认识依赖于刺激和反应的潜力之间的同步,目标刺激之间的延迟和引起P300的变化是一个问题在应用P300-based BCI无线应用程序。此外,subject-dependent引起P300的变化影响了BCI的性能。因此,一个自适应模型,确定一个适当的区间P300特征提取,提出了。因此,本文采用人工蜜蜂殖民地——基于(ABC)的区间二型模糊逻辑系统(IT2FLS)处理延迟的变化之间的目标刺激和引起P300的P300-based SoD提出的方法是可行的。此外,目标和不属预定目标的刺激被确定的支持向量机(SVM)分类器。实验结果表明,从五个主题,分类和信息传输速率的性能改进校准后(86.00%和24.2比特/分钟之前校准; 90.25% and 27.9 bits/ min after calibrations).

1。介绍

据世界卫生组织(WHO)统计,2013年,有250000至500000人患有脊髓损伤(者)1]。由于流动性困难,估计有20%至30%的人者临床明显的抑郁的迹象。消极的心理条件导致的负面影响的改进功能和整体健康。消极态度和物理障碍阻碍基本流动和导致人们参与社会的排斥。提高独立生活能力的人患有脊髓损伤者是一个方法来克服残疾的障碍。

脑-机接口(bci)系统,解释大脑的电活动,命令外部设备(2- - - - - -6]。因此,bci为受试者提供nonmuscular方法来与世界交流。特别是对于残疾人患有脊髓损伤者和中风,bci在日常生活中提高他们的独立。几项研究已经证明,有一个巨大的潜力开发bci与广泛应用,如辅助拼写系统、机器人技术和康复工具。回顾过去几十年的成就,好像已经被广泛讨论。更快、更友好、更健壮的bci提出了几个研究小组。与快节奏的技术发展,BCI研究已经达到了一个临界点,继续寻求创新的应用程序。

P300 [7)是一种传统的好像。P300是一个与事件相关电位(ERP)和潜在的波形最重要的特性是积极的高峰发生在刺激后300毫秒。因此,P300已广泛用于提供通信功能对于健康的用户来说,坐轮椅的残疾人,残疾人者和中风。除了P300,稳态视觉诱发电位(SSVEP)是另一种常见的BCI形态。SSVEP的诱发信号响应视觉闪烁刺激在一个特定的频率。因为SSVEP的锁相诱发电位,闪烁的刺激产生的不同阶段获得更刺激的目标。

混合BCI BCI模式相结合的新颖的体系结构不同,如ERP、SSVEP的,和运动图像8- - - - - -11]。尤其是基于听觉和触觉的P300 BCI和SSVEP的BCI研究实际提出(12,13]。一般来说,混合BCIs BCI模式的优点,弥补自己的缺点。因此,混合bci预计增加的准确性和信息传递率(也是)。例如,P300是一个主要的峰值和最常用的ERP的特性之一。表示一个古怪的范式可以引出一个刺激的积极的脑电图高峰。刺激可能是视觉、听觉或躯体感觉。P300的优势需要较少的初始用户培训和在一个简单而容易观察区别的任务。然而,由于无关系的刺激,P300-based BCI有报道长期运行后性能下降。P300相比,SSVEP-based bci [13]功能也是高,信噪比高,相对明显的模式之前,不需要训练程序。然而,SSVEP-based BCI需要精确控制的眼部肌肉和硬件,允许精确闪烁的刺激。因此,不同模式的混合BCI提出了改进单BCI modality-based系统。

一个健壮的分类器识别脑电图行为一个重要的角色模式。查看文献提出,支持向量机(14- - - - - -16),线性判别分析(LDA) (17- - - - - -20.[],贝叶斯分析21- - - - - -25)和人工神经网络(ANN) [26- - - - - -30.)分类器进行了讨论。一般来说,一个特定的模型,用户在使用BCI前训练。用户被要求遵循一个模式定义,获得脑电图时代标记特定的事件。分类算法是训练的标签数据集称为传统监督学习。1型模糊逻辑博士提出了陈守煜,已经在许多领域被广泛地讨论31日- - - - - -35]。1型模糊集表示的一个输入属于脆值的模糊集。1975年,德博士提出了二型模糊集模型的不确定性。IT2FLS特性区间成员函数,称为不确定性的足迹(4)。傻人被两个边界函数表达,包括较低的隶属函数和更高的隶属函数。在现实环境中是健壮的更多的不确定性。BCI研究,因为大脑的电信号都很小,很容易受环境影响,任何运动工件,二型模糊系统显示巨大的潜力来解决这些问题。而不是主观模糊模型定义的开发人员的知识,自适应模糊逻辑系统,如模糊神经网络(FNN)、遗传算法(GA)和群模糊系统,提出了。ABC算法Karaboga等人提出的在2005年和灵感来源于蜜蜂殖民地的觅食行为36]。具有快速收敛,更少的参数和强鲁棒性。

最后,提出了无线SoD与延迟校准P300-based混合BCI应用在五个部分阐述了本文的结构说明如下。节1,这个工作指定人者,提出了一种无线网络BCI的无线家庭自动化应用程序。节2,所使用的方法提出了BCI。脑电图处理技术,介绍了自适应IT2FLS BCI校准。节3指定的实验范式。节4,一些实验进行评估提出假设和方法。受试者参与试验来评估提出了混合BCI的性能。部分5根据实验结果评审提出的系统。此外,讨论了改进的策略和未来的预期。

2。方法

本文旨在提出一个新的stimulus-on-device (SoD)设计,结合无线传感器网络(WSN)和P300-based BCI的应用程序。这样的WSN和P300组合形式小说BCI应用文献中很少见到。这样的SoD展品的变化目标刺激和引起P300之间的延迟。因此,本文采用我们的以前的工作37),讨论了延迟问题发生在传统的P300研究处理受试者的P300峰值延迟变异以及传输延迟,使SoD设计实际可行的。

2.1。SoD设计理念和协议

考虑visual-based混合BCI, P300和SSVEP的是两个最讨论BCI的形式。两个主要的模式,包括顺序(36,38)和同步系统(39,40),通常是进行了讨论。如图1,一个连续混合BCI BCI系统分为若干块。块的输出信号是接下来的BCI系统的输入信号。另一方面,同时混合BCI福利个人用户获得更高的反应效率通过适当的利用BCI形态(41]。刺激面板包含一个数量的视觉刺激是一种常见的布局visual-based bci。刺激响应定义任务安排和呈现在用户面前。用户可以选择一个目标刺激的凝视一个视觉刺激在面板或监控。这BCI布局叫做SoP体系结构。而不是SoP体系结构,提出了SoD架构嵌入视觉刺激在目标设备和协调控制器发送触发信号stimulation-embedded通过无线通信设备。SoD架构好处的流动用户在不使用multistimuli刺激面板。此外,没有刺激的有限维面板中,多个任务可以被定义为在目标设备添加视觉刺激。SoD是一个灵活的和用户友好的BCI架构,提供了一个直观的控制方案。

(一)顺序混合BCI
(一)顺序混合BCI
(b)同时混合BCI
(b)同时混合BCI
(c)校准序列混合BCI
(c)校准序列混合BCI
图1
方块图的顺序(a),同时(b),和校准序列(c)(提议)混合好像。

根据SoD的架构,一个场景,一个P300-based BCI适用于无线家庭自动化系统设备控制,如照明、电动窗帘、空调,如图2。用户配备一个脑电图记录,协调控制器有一个内置的无线通信模块处理脑电图流。视觉刺激面板放置在用户的面前。两组LED模块生成16赫兹闪烁的视觉刺激与不同的相位延迟。用户能够开始盯着刺激的BCI系统应用P300-based BCI“操作”和设备控制。然后,协调控制器发送触发信号stimulation-embedded电器。在这里,每个stimulation-embedded设备节点被认为是一种刺激。控制器的延迟坐标闪光刺激通过无线通信和提取回应闪光刺激的时代。


图2
基于BCI的无线家庭自动化的场景。

然而,距离,传输质量和硬件处理不确定因素导致延迟延误这种草皮的应用程序。同步时钟之间的任何抖动影响脑电图记录和刺激节点和随时间变化。发送触发的时间轴,闪光刺激,理想P300潜伏期,实际的P300潜伏期如图3。无线通信的不确定性引起的,有不同的预期和实际延迟引起的P300为不同学科和应用情况。此外,延迟差异可能由于波动变化的无线通信的质量。因此,P300识别的准确性受到影响而降低用户的接受,因为不稳定的性能。因此,方案提出了“注册”。“注册”允许用户访问SSVEP的BCI系统通过识别。诱发SSVEP的相位滞后由于通信延迟如图4。这项工作试图评估引起的延迟P300与诱发SSVEP的相位滞后。一个训练有素的回归模型应用于估计的延迟引起P300根据相位滞后诱发SSVEP的分析。因此,延迟的不确定性造成的无线通信是解决。开始前“操作”,用户要求的目光刺激的“注册”注册他们的模型。用户被要求逐项登记每一个刺激节点。一个训练有素的回归模型应用于估计可能引起刺激P300为每个节点的延迟。提出了无线P300-based BCI是“注册”完成校准。


图3
的延迟发送触发器、闪光刺激理想P300潜伏期,实际P300延迟。

图4
闪烁的刺激和诱发SSVEP的延迟。

该无线网络BCI包括“登记”和“行动”计划。“注册”允许用户访问SSVEP的BCI系统通过识别,和“操作”允许用户控制通过P300 stimulation-embedded设备。框图的“登记”和“操作”是图所示5。


图5
框图的“登记”和“操作”。
2.2。脑电图收购

本文利用V-amp(脑产品,德国)脑电图仪收集脑电图信号。基于4赫兹实验进行带通滤波频率范围。EEG信号获得500 Hz采样率。Pz五电极放置在P3, P4, O1,根据10/20系统和O2。Pz P3, P4、O1群和O2是对视觉刺激的渠道。后天脑电图用于SSVEP的相位滞后分析和P300认识。五电极分布在枕区。参考电极放置在FCz,地面电极放置在EasyCap AFz根据推荐的位置(标准为V-amp帽,德国)。系统体系结构如图6。


图6
系统架构。
2.3。信号处理和目标/不属预定目标的分类

如引言部分中所述,本文采用我们的以前的工作37)处理受试者的P300高峰延迟变异和传输延迟。因此,信号处理和目标/不属预定目标的分类方法提出了(37)以及实验协议阐述了部分2.1。信号处理的方法和目标/不属预定目标的分类简要描述如下。(1)IT2FLS BCI校准:提出的标定方法是预测的延迟引起P300的相位滞后出现在0,π/ 2,π3π/ 2的传统SSVEP的波形。图7说明IT2FLS的操作,x我是脆的输入, (x我)是区间模糊集,yl和yr分别是最大和最小值,Y因为生成的center-of-sets类型减速器,然后呢yc是脆的输出获得defuzzifier后对吗yl和yr。因此,使用回归模型基于IT2FLS。校准是通过分析相位延迟。诱发的输入相位滞后IT2FLS, P300的校准延迟重心是未来应用程序的输出基地的SoD的方法。可以找到的细节在37]。(2)ABC算法:本文IT2FLS的参数进行评估的群ABC算法,灵感来源于蜜蜂殖民地的觅食行为。ABC算法的方案图所示8。可以找到的细节在37]。(3)自适应IT2FLS BCI校准:提出的框图ABC-based适应性IT2FLS如图9。标记的训练数据集训练所需的适当的参数自适应IT2FLS。标记的训练数据集包含许多训练试验。每条路线是一对组成的输入值(诱发SSVEP的)的相位滞后和所需的输出值(引起P300的质心的延迟)。在ABC算法适应度函数描述的健身水平 th食物来源,这是一个采用IT2FLS的参数组成的向量。这个工作的适应度函数被定义为(1)。


图7
IT2FLS运作。

图8
ABC算法的方案。

图9
拟议中的ABC-based适应性IT2FLS的框图。

在哪里 的输出是什么 th IT2FLS当 数据集是进口的, 期望的输出 th数据集, 的目标函数计算均方误差之间的区别吗 和 ,所示(2)。因此, th食物来源被标记的训练数据集,其中包含评估 数据集。

2.4。与事件相关电位CCA-Based空间滤波器

空间过滤器通常用于提高脑电图的信噪比。CCA-based空间过滤器以前被用来增加诱发电位的分类精度,如SSVEP的。Spuler等人提出了ERP (CCA-based空间滤波器42]。在这里,一个CCA-based空间滤波器用于改善P300分类。CCA是一种多元统计方法,可以应用于发现线性变换最大化这两个数据集之间的关系。有两个多维数据集,米和N,问变量。CCA用于查找两个转换,W米和WN,最大化典型相关ρ描述的一样,

在哪里W米和WN两个转换最大化典型相关吗ρ典型变量之间U和V。规范化的相关性米和N得到了通过求解特征值方程,所示

在哪里C毫米和C神经网络的协方差矩阵米和N,C锰和C纳米之间的协方差矩阵米和N, 是一个平方典型相关值,特征向量W米和WN是两个变换矩阵。在这里, 作为空间滤波器。CCA-based空间滤波器作为美白过滤decorrelates信号。通过最大化典型相关、CCA发现引起的空间滤波器,提高了信噪比的潜力。

2.5。支持向量机分类器

给定一个标签数据集 ,在那里p我脑电图和采样 类标签,支持向量机训练算法通过求解优化问题如下:

w和b权向量和超平面的偏差。ϕ地图p我高维空间ξ我是松弛变量。在这部作品中,采用径向基函数(RBF)执行BCI的非线性分类。

3所示。实验范式

八个健康受试者,由6个男性和2女性(平均年龄22岁,标准偏差三年),参加了实验。所有受试者在国立台湾科技大学的学生,有经验操作visual-based BCI最小。所有受试者正常或矫正到正常视力。

受试者被要求查看刺激小组1×4矩阵。刺激面板是由四个模块组成的LED阵列具有相同的尺寸(cm)×3 (cm),这被他们之间的间隔8厘米。每个LED阵列呈现可见红光黑色背景,用中等强度。有50厘米距离刺激面板和主题,在舒适的位置。实验包括两个主要组件。首先,提出了一种闪烁刺激观察SSVEP的。相位滞后分析实现的差异诱发SSVEP当应用不同的刺激阶段。其次,提出了一种闪光刺激观察了P300。平均的方法被用来实现目标之间的差异引发了P300和不属预定目标的时代。此外,某些延迟应用实现的变化引起P300的延迟。 Finally, this work assessed how the latency of the elicited P300 correlated with the phase lag of SSVEP. The experimental setup is summarized in Figure10。


图10
实验设置和范例。
3.1。SSVEP的会话

意识到的相位滞后SSVEP为0时,π/ 2,π,3π/ 2期延迟,16赫兹闪烁刺激生成。满足提出的BCI的场景,SSVEP的会话P300之前进行会话。有一个1分钟的休息SSVEP和P300之间的会话。在开始实验之前,受试者能够选择任何LED阵列模块根据他们的舒适水平。每个闪烁刺激持续5秒,有一两秒钟间隔不同阶段的刺激。

3.2。P300会话

实现反应延迟引起的P300当添加0,π/ 2,π,3π/ 2相应延迟到16赫兹闪烁的刺激,一个8赫兹闪光刺激生成。受试者可以选择LED阵列模块生成的闪光刺激。选中的LED阵列模块被视为目标刺激,和其余的LED阵列模块被视为不属预定目标的刺激。提高引起的信噪比P300,每个刺激闪过30次,并提取时代进一步平均。因此,120时代,包括30目标和90不属预定目标的时代,被收集。

3.3。P300-Based BCI的SVM分类器

一个支持向量机分类器被用来分类时代提取到目标或不属预定目标的刺激。为了评估实现BCI,在线模拟会话。P300数据集包含的十个交易日(5与两个会话对象),并为每个会话有100试验(100年目标和300年不属预定目标的)。第一次会议的时代作为训练数据集,和第二个会话的时代是作为测试数据集。

4所示。实验结果和讨论

4.1。相关性引起P300和诱发SSVEP的

决定如何唤起SSVEP与引起的延迟P300,相位延迟,包括0,π/ 2,π,3π/ 2,SSVEP的和闪烁的延误,包括0.000 (ms), 15.625 (ms), 31.250 (ms)和46.875(女士),P300的评估。由于采用16赫兹闪烁刺激,参考信号的峰值为15.625 ms ( 根据()和相位滞后了10), 的延迟是诱发SSVEP的峰值,然后呢T是闪烁的刺激。此外,引起的延迟P300是公认的最高根据反应引起的潜力。

八个受试者参与了这个实验。两个数据集收集每个主题在不同的日子。散点图显示了P300和诱发SSVEP的描绘在图11。它揭示了引起P300与诱发SSVEP的关联。相关系数计算


图11
引起P300的散点图和诱发SSVEP的(8科目)。

在哪里 是引起P300的延迟, 是诱发SSVEP的阶段, 和 是他们的标准偏差。这里,相关系数为0.8171,这表明高唤起SSVEP的之间的相关性和引起P300。

4.2。的自适应IT2FLS BCI基于诱发SSVEP的校准

一种适应性IT2FLS被用来校准的延迟质心提取P300认识的时代。相位滞后的输入IT2FLS,估计延迟P300的重心是输出。一种自适应基于ABC IT2FLS优化被标记的训练数据集。标签数据集包括诱发阶段滞后(特性)和P300潜伏期质心(目标)。收集的数据集被进一步分为两组(60%培训实例;评价实例)为40%。训练性能如图12。有三个为每个模糊集隶属度函数(模糊集的数量= 4;隶属度函数的数量= 3),如图13。


图12
的训练表现ABC-based IT2FLS BCI校准。

图13
前期会员校准功能窗口。
4.3。P300识别有或没有校准

在这里,一个训练有素的IT2FLS模型被用来估计引起的延迟质心P300根据诱发SSVEP的。提取不同长度的时期,包括160 (ms), 140 (ms), 120 (ms), 100 (ms), 80 (ms),和60(女士),基于质心估计,进行评估。如果估计延迟重心位于 ,一个时代范围从提取 来 当提取的时代的长度是160 (ms)。另一方面,没有校准,固定的间隔,包括 来 (女士), 来 (女士), 来 (女士), 来 (女士), 来 (女士), 来 (女士)。在这里, 闪光刺激的时间。指出,5重复进行在这个实验中,和提取的时代downsampled在62.5赫兹。并运用支持向量机分类器分类时代提取到目标和不属预定目标的刺激。支持向量机分类器的准确率和也是没有校准数据所示14- - - - - -16和表1。根据实验结果,校正后分类的性能改善。此外,采用分类器保持满意的准确率,减少提取的时代的长度。

表1
ITR(比特/ min)比较有和没有校准。

图14
P300分类的准确性取决于不同长度的提取的时代与校准。

图15
P300分类的准确性取决于不同长度的提取没有校准的时代。

图16
的比较有和没有校准根据不同长度的时代中提取。

5。结论和未来的工作

这项工作提出了一个无线网络混合BCI来解决这个问题,提高个人的独立者。方案基于SoD的体系结构,应用P300-based BCI无线应用程序,提出了。然而,由于P300认识依赖之间的同步刺激和引发潜力,目标刺激和之间的延迟引起的变化可能是一个问题。因此,这项工作提出了“登记”和“操作”计划延迟质心校准的P300根据诱发SSVEP和控制通过P300 stimulation-embedded电器。因此,实验试图评估引起的延迟P300与诱发SSVEP的相位滞后。五个调查对象参加了实验,一个训练有素的IT2FLS-based模型应用于估计可能延迟引起的质心P300根据相位滞后对诱发SSVEP的分析。此外,一个支持向量机分类器来判断目标或不属预定目标的刺激。基于校准延迟重心,提取不同长度的时代进行了探讨。分类性能表明,校正后的准确率提高。

未来的不确定性ERP振幅由于不同用户之间的距离和刺激节点是一个有趣的话题。此外,操作环境的光照强度是另一个问题在实际的应用程序。适当的刺激强度的调制相关用户的舒适和系统性能将本文的另一个未来的工作。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是财务支持的“Cyber-physical制度创新中心”特色区域高等教育研究中心计划的框架内发芽项目由教育部(MOE)在台湾。