關(guān)于穩(wěn)態(tài)視覺誘發(fā)電位S S V E P信號的B C I關(guān)鍵技術(shù)研究

劉文倩，張莉

（重慶大學(xué)輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點實驗室，重慶 40004）

關(guān)于穩(wěn)態(tài)視覺誘發(fā)電位S S V E P信號的B C I關(guān)鍵技術(shù)研究

劉文倩，張莉

（重慶大學(xué)輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點實驗室，重慶 40004）

腦機接口系統(tǒng)將大腦意識轉(zhuǎn)化為控制外部設(shè)備的指令，涉及神經(jīng)科學(xué)、計算機科學(xué)、控制理論和許多其他技術(shù)。其中，穩(wěn)態(tài)視覺誘發(fā)電位信號作為一種腦電信號，通過外部視覺刺激，可以產(chǎn)生明顯的大腦皮層節(jié)律性信號特征，具有一定的穩(wěn)定性和連續(xù)性，它已經(jīng)廣泛的在B C I系統(tǒng)中得到應(yīng)用。然而，目前低頻穩(wěn)態(tài)視覺誘發(fā)電位的腦機系統(tǒng)存在刺激時間長、易誘發(fā)疲勞和癲癇等不足導(dǎo)致的系統(tǒng)穩(wěn)定性不高、信息傳輸率低問題；而且B C I對于S S V E P信號分析的精度、實時以及穩(wěn)定性要求較高，所以，本次提出改進的希爾伯特-黃變換的變頻腦電信號特征提取與局部頻譜極值目標識別方法，提高了目標信號的辨識效率，從而提升通訊傳輸速率和可靠性。

腦機接口；穩(wěn)態(tài)視覺誘發(fā)電位；視覺刺激；刺激頻率；關(guān)鍵技術(shù)

1 腦機接口(B C I)系統(tǒng)概述

腦機接口（B C I）的研究目標是如何準確地識別大腦意圖，再借助于外部計算機設(shè)備實時控制，經(jīng)過對腦電圖（E E G）信號的采集、分類、識別，再轉(zhuǎn)出到外部設(shè)備。因此可知，腦機接口系統(tǒng)無法離開腦電信號E E G的采集，從形式產(chǎn)生可以將腦電信號分成自發(fā)和誘發(fā)兩種，前者指的是大腦皮層的固有電位活動；后者則是受到特定的刺激下而產(chǎn)生的電位活動。自發(fā)腦電信因為思維過程的靈活性和隨意性，有效采集難度大；誘發(fā)腦電信號可以通過在線B C I提取，能夠廣泛應(yīng)用于實驗室之中。目前，實驗室中常通過聽覺和視覺刺激信號以促使大腦活動，采用的視覺信號刺激所形成的腦電信號就叫視覺誘發(fā)電位。

按照刺激信號的頻率，視覺誘發(fā)電位可以分成穩(wěn)態(tài)視覺誘發(fā)電位S S V E P和瞬態(tài)視覺誘發(fā)電位T S V E P；前者指的是采用小于2 Hz頻率的視覺刺激方式；后者采用的視覺刺激頻率高于4 Hz。而且，瞬態(tài)視覺刺激時間短，穩(wěn)態(tài)視覺刺激能夠持續(xù)形成，時間節(jié)點上具有規(guī)律性。采用穩(wěn)態(tài)視覺誘發(fā)電位方式可以刺激實驗者產(chǎn)生的信號具有周期性，通過發(fā)現(xiàn)信號特征和刺激，最終確定信號之間的對應(yīng)關(guān)系，可以測試實驗者注意的目標。因穩(wěn)態(tài)視覺誘發(fā)電位S S V E P信號具有穩(wěn)定性和連續(xù)性，便于收集和分析，它被廣泛應(yīng)用于腦機接口的實驗研究之中。該系統(tǒng)的主要結(jié)構(gòu)包括視覺刺激儀、腦電信號分析裝置、反饋裝置，如下圖1所示。

2 穩(wěn)態(tài)視覺誘發(fā)電位S S V E P信號的產(chǎn)生

圖1 穩(wěn)態(tài)視覺誘發(fā)電位腦機接口結(jié)構(gòu)圖

穩(wěn)態(tài)視覺誘發(fā)電位信號的原理為分布于人腦中的神經(jīng)網(wǎng)絡(luò)具有各自的固有頻率，因此，彼此之間并不同步，屬于自發(fā)腦電信號；通過外界施加的恒定刺激頻率可以使得同頻率的神經(jīng)網(wǎng)絡(luò)同步諧振，從而大腦電位產(chǎn)生顯著變化，即S S V E P信號。人的大腦結(jié)構(gòu)比較復(fù)雜，大腦皮層不同分區(qū)負責不同任務(wù)，且彼此相互分離，但能夠相互協(xié)作，如圖2所示。腦機接口系統(tǒng)通過對視覺刺激信號進行檢測，判斷人腦思維的活動，主要方式是視覺細胞將外界光線接收后轉(zhuǎn)變?yōu)樯窠?jīng)信號，然后傳送到大腦皮層形成視覺誘發(fā)電位，再收集該信號并進行分析。

視覺刺激裝置是B C I系統(tǒng)的重要組成部分之一，以穩(wěn)定可靠的視覺刺激誘發(fā)人類大腦產(chǎn)生穩(wěn)態(tài)視覺誘發(fā)電位；但是需要注意的是實驗者如果長時間盯著閃爍的燈光或圖像會引起眼睛疲勞，從而對實驗結(jié)果造成干擾，需要選擇柔和的顏色作為刺激信號。

目前，主要的視覺刺激裝置主要由發(fā)光二極管或者陰極射線管顯示器或液晶顯示器實現(xiàn)。但是，采用發(fā)光二極管雖然能夠使得刺激頻率更穩(wěn)定、準確，但是對實驗者進行刺激的模式比較固定，需要采用額外控制設(shè)備予以輔助； 而陰極射線管顯示器刷新頻率不夠持續(xù)穩(wěn)定，而且產(chǎn)生很大的輻射，對實驗者的干擾較大，且設(shè)備體積較大不便攜帶；液晶顯示器目前的信號刺激頻率準確性略有瑕疵，但是隨著科技的發(fā)展進步其信號響應(yīng)時間小于5 ms，完全可以滿足視覺刺激裝置的需求，且具有很大的靈活性使用方便?；谏鲜龇治?，可以采用液晶顯示器作為實驗者的視覺刺激裝置，利用程序控制圖形或視頻生成刺激信號，而且便于修改和替換，而且，如采用閃爍與空屏時間間隔為2 s，能夠?qū)嶒灲M注視閃爍屏幕的視覺疲勞盡可能予以降低。

3 穩(wěn)態(tài)視覺誘發(fā)電位的腦機接口刺激頻率的選擇

圖2 大腦皮層功能分布示意圖

腦機接口作為人腦和外部設(shè)備之間的信息的連通，近年來得到了快速的發(fā)展，廣泛應(yīng)用于生物醫(yī)學(xué)、虛擬游戲、航空軍事等等一些前沿領(lǐng)域；而且還可以將該技術(shù)應(yīng)用于癱瘓患者智能輪椅方面，使其能夠不依靠肢體而采用腦電信號控制運動。腦機接口技術(shù)中穩(wěn)態(tài)視覺誘發(fā)電位能夠持續(xù)響應(yīng)外部視覺刺激，其操作方式簡便，需要的訓(xùn)練時間也很短，且具有信息傳輸速率快以及抗干擾能力強的優(yōu)點。

目前，傳統(tǒng)的穩(wěn)態(tài)視覺誘發(fā)電位腦機接口所采用的視覺刺激頻率在6～25 Hz頻率范圍段，以單頻率任務(wù)模式的范式呈現(xiàn)，而且在頻率區(qū)域、分辨率和響應(yīng)幅度等幾個方面都存在一定的限制，只能使用有限的頻譜去完成任務(wù)目標，且目標數(shù)目也受到一定的限制。除此以外，穩(wěn)態(tài)視覺誘發(fā)電位的低頻段頻帶與腦電信號中的α波重疊，易導(dǎo)致假陽性錯誤。在實際應(yīng)用中，低頻穩(wěn)態(tài)視覺誘發(fā)電位閃爍造成實驗者視力疲勞，嚴重者甚至可能誘發(fā)實驗者出現(xiàn)癲癇病，可以說，采用低頻段的刺激信號致使系統(tǒng)的有效性以及舒適性無法得以保障。

現(xiàn)如今，腦機接口中使用高頻率S S V E P已經(jīng)成為研究前沿，其刺激頻率范圍可達30～60 Hz甚至以上。不同于低頻視覺刺激信號，采用高頻率的刺激信號具有一種融合效果，實驗者在視覺感受中已經(jīng)感受不到信號的閃爍，然而卻可以在腦電信號中檢測出響應(yīng)的S S V E P，因此其可以大大降低實驗者視覺疲勞的可能性以及誘發(fā)癲癇的概率?，F(xiàn)在所研究的S S V E P高頻信號其振幅較低，相對應(yīng)的人腦自發(fā)腦電信號幅度也低，所以依然具有一定的信噪比，可以保證信號的識別精度。當然，高頻率S S V E P仍處于研究階段，但高頻率S S V E P可以大大降低視覺疲勞的特性以及提高信號的正確識別這是毋庸置疑的，雖然存在無法增大呈現(xiàn)目標數(shù)量以及存在難以處理微弱信號的問題，但高頻S S V E P優(yōu)良的特性和無損刺激的能力，在腦機接口中必然會得到進一步發(fā)展。

綜上所述，傳統(tǒng)腦機接口技術(shù)范式簡單，且呈現(xiàn)目標數(shù)少，傳輸速率也低，而且更加嚴重的是長時間的采用低頻S S V E P刺激實驗者，容易誘發(fā)疲勞或癲癇等癥狀，弊端較多；而使用高頻率S S V E P可以突出刺激反應(yīng)的優(yōu)勢，筆者在下文中采用高頻S S V E P，并基于Hi l b e r t Hu a n g變換的算法，通過高頻電刺激單元可以提高呈現(xiàn)任務(wù)目標的數(shù)量，形成一種新的穩(wěn)態(tài)視覺誘發(fā)電位腦機接口范式，達到高效、無損性能的一體化目標，具有操作簡單、高傳輸速率的優(yōu)勢，而且還能夠有效減少對實驗者造成的視覺疲勞以及避免癲癇病癥的出現(xiàn)。

4 穩(wěn)態(tài)視覺誘發(fā)電位S S V E P信號系統(tǒng)技術(shù)思路與范式設(shè)計

4.1 穩(wěn)態(tài)視覺誘發(fā)電位S S V E P信號系統(tǒng)技術(shù)思路

腦機接口B C I系統(tǒng)的性能最常用的評價指標就是信息傳輸速率I T R，其采用在單位時間內(nèi)所傳輸?shù)男畔⒘窟M行表示，即為b i t s/mi n；對于具有N個命令是腦機接口B C I系統(tǒng)中，令傳輸率為s，正確率為p，B表示平均命令傳輸信息量，則有以下信息傳輸定義公式：

對上述公式分析可知，在正確率p值固定的前提下，N的增加會使得信息傳輸速率增加；當目標命令數(shù)N固定時，伴隨正確率p值的增加，信息傳輸速率也隨之增加?；诖耍谀X機接口技術(shù)中使用穩(wěn)態(tài)視覺誘發(fā)電位S S V E P刺激信號，需要提高人機交互通信的效率；與此同時，還需要避免信號閃爍造成實驗者的視覺疲勞和其它如癲癇在內(nèi)的其它意外的疾病，即實現(xiàn)系統(tǒng)對人無害。為達成這兩個目標，一方面可以增加目標數(shù)N；另一方面還可以提高識別率；與此同時，使用高頻刺激信號替代低頻信號。因此，通過在前文分析的實際低頻與高頻穩(wěn)態(tài)視覺誘發(fā)電位的對比，提出了如下圖3所示的技術(shù)思路。

通過使用多個穩(wěn)態(tài)高頻電刺激的設(shè)計思路，可以解決單一頻率限制目標數(shù)量和視覺疲勞問題；與此同時，采用I HHT算法實現(xiàn)對目標特征的組合頻率與瞬時頻率的提取，從而能夠提高識別正確率。這樣，可以實現(xiàn)高頻穩(wěn)態(tài)視覺誘發(fā)電位的腦機接口系統(tǒng)的識別的精度，并提高傳輸效率和傳輸速率，且不會對人體造成負面?zhèn)Α?/p>

圖3 穩(wěn)態(tài)視覺誘發(fā)電位S S V E P信號系統(tǒng)技術(shù)思路

4.2 穩(wěn)態(tài)視覺誘發(fā)電位S S V E P信號系統(tǒng)范式設(shè)計

基于高頻穩(wěn)態(tài)視覺誘發(fā)電位B C I系統(tǒng)的設(shè)計思路，通過一些穩(wěn)定的高頻刺激可以解決單一頻率目標數(shù)量受限的問題；高頻S S V E P閃爍融合效果能夠提高實驗者的舒適度，減少視覺疲勞和誘發(fā)癲癇的可能性。圖4 為高頻穩(wěn)態(tài)視覺誘發(fā)電位S S V E P范式圖。

圖4 高頻穩(wěn)態(tài)視覺誘發(fā)電位S S V E P范式

高頻穩(wěn)態(tài)視覺誘發(fā)電位閃爍頻率高于25 Hz，選擇N個刺激頻率（N為大于1的正整數(shù)），并通過L C D屏幕結(jié)合排成NN序列的神經(jīng)網(wǎng)絡(luò)呈現(xiàn)給實驗者，由20個周期性的亮、滅信號按照時間排列組合成刺激序列，其中刺激序列包含多個時間序列的刺激頻率。在NN個任務(wù)目標中，一次目標中呈現(xiàn)10種刺激序列，在實驗中可以令N＝3，這樣就形成了27個不同的刺激序列，也就是說對應(yīng)27個呈現(xiàn)目標。

5 穩(wěn)態(tài)視覺誘發(fā)電位S S V E P腦電信號特征提取

5.1 希爾伯特—黃變換算法

高頻率的刺激序列由刺激反應(yīng)形成，為變頻腦電信號，存在腦電信號的幅度干擾，所以需要確定的頻率和振幅的非線性信號，其為一種典型的非平穩(wěn)信號，采用希爾伯特—黃變換HHT能夠有效的提取腦電信號特征。

HHT是一種自適應(yīng)的信號處理方法，非常適合于處理非線性和非平穩(wěn)信號，它廣泛應(yīng)用于機械信號處理。該方法由經(jīng)驗?zāi)B(tài)分解E MD和希爾伯特變換兩個過程組成，其中最關(guān)鍵的部分是經(jīng)驗?zāi)B(tài)分解方法?；谛盘柧植刻卣鲿r間尺度的E MD方法能夠?qū)?fù)雜信號分解成固有模態(tài)函數(shù)I MF，I MF的頻率分量不僅與頻率分析有關(guān)，而且隨著信號本身變化而變化。采用I HHT算法對腦電信號特征的提取以及主要辨識過程具體如下：將采集到的腦電信號疊加之后取平均值，從而能夠提高信噪比，得到初步預(yù)處理的腦電信號；對該腦電數(shù)據(jù)進行帶通濾波操作，得到濾波后的腦電數(shù)據(jù)；采用E MD方法分解上述腦電信號數(shù)據(jù)；根據(jù)經(jīng)驗?zāi)B(tài)分解結(jié)果，選擇目標頻帶的I MF重建數(shù)據(jù)；計算重構(gòu)數(shù)據(jù)的瞬時頻率；得到Hi l b e r t時頻圖；進行局部極值目標識別（圖5）。

圖5 流程示意圖

在該算法的實現(xiàn)中，需要優(yōu)化關(guān)鍵算法以保證有效地提取腦電信號的頻率特征，方法如下：經(jīng)驗?zāi)B(tài)分解E MD中，端點預(yù)測方法者優(yōu)先，通過曲線擬合得到上、下包絡(luò)線的極值，再求其平均值。運用邊界預(yù)測法如下圖6所示，以1階近似點為端點，通過理論分析和實際數(shù)據(jù)擬合，擬合曲線達到最小波動。因此，邊界預(yù)測方法擬合曲線端點波動小。邊界預(yù)測法確定的極值公式：

E MD 算法是一個篩選的過程，計算公式如下：

其中， ()x t表示的是帶分解信號；ic表示的是第i次經(jīng)驗?zāi)B(tài)分解后的固有模態(tài)函數(shù)；mij則表示經(jīng)i次篩選得到的第j個平均值曲線；k i表示的是第i次篩選。

經(jīng)驗?zāi)B(tài)分解E MD算法應(yīng)用中的另一個關(guān)鍵問題是如何選擇每個濾波器的端部停止條件，理論分析表明E MD為二進制的半帶濾波器，為了確保在幅值與頻率方面所選擇的固有模態(tài)函數(shù)有物理意義，通過對k值的限制使得相鄰的I MF比例接近2。因此，本文中采用固定篩選次數(shù)滿足E MD的停止準則要求，K i-1 = K i= 10，使彼此鄰近的I MF比例接近2。這樣E MD為一個半帶濾波器組能夠使得信號保持其物理特性；元素C的分解結(jié)果的數(shù)量是有限的，c≤l b N。希爾伯特變換得到有意義的瞬時頻率條件如下：數(shù)據(jù)必須是固有模態(tài)函數(shù)I MF，且受到B e d r o s i a n理論限制變化幅值要在一定范圍內(nèi)，所以，可以以廣義過零點G Z C算法針對腦電信號以計算瞬時頻率，G Z C算法屬于平均思想，相對穩(wěn)定、準確，適用于頻率波動幅度不大的情況，計算公式如下：

圖6 邊界預(yù)測法

其中：

對于頻譜的局部極值的目標識別方法中，固有模態(tài)函數(shù)I MF數(shù)據(jù)被分成3部分，計算其F F T頻譜、頻譜極值，最終實現(xiàn)局部光譜定量識別率，計算公式如下：

P=n/N。

5.2 刺激頻率的差異組合優(yōu)化

本文中選擇三個高于20 Hz的視覺刺激頻率，分別為25赫茲、33.33赫茲、40赫茲，并進行1、2和3的編號，單個序列刺激時長在1.9 ～ 2.4 s，能夠?qū)崿F(xiàn)的最大目標數(shù)為27，基于I HHT對疊加次數(shù)區(qū)別對27段響應(yīng)信號進行特征提取與局部極值譜識別，統(tǒng)計結(jié)果表明不同疊加層次存在不同的識別率，如下圖7所示。

通過對270段數(shù)據(jù)的測試，在10次疊加平均后，正確率識別率也只有77.78%，這明顯無法實現(xiàn)預(yù)期的目標，通過對270段不同時間段的測試數(shù)據(jù)進行疊加的結(jié)果進行分析，可知對于3刺激識別單元，并不是所有組合方式的識別率都一致，存在一定的差異性。從結(jié)果表明，刺激頻率采用差異性組合方式能夠有效提高正確識別率，因為與單一頻率相比而言，差異化組合頻率能夠更加適合實驗者的視覺感知，組合高頻率的刺激信號具有一種融合效果，實驗者在視覺感受中已經(jīng)感受不到信號的閃爍，從而提高了對腦電信號的正確識別率?；诖?，將1、2、3三個編號分別賦給25 Hz、33.33 Hz、40 Hz，一一對應(yīng)，從形成的33種排布中選擇差異化組合序列，則可以形成這樣的序列排布方式：123、132、213、231、312、321，在采用T HHT范式的腦電信號的特征識別與處理后，基于差異化組合的單一的刺激響應(yīng)信號的希爾伯特譜識別率為100%，效果優(yōu)異，如下圖8所示。

6 高頻與低頻穩(wěn)態(tài)視覺誘發(fā)電位SSVEP信號的BCI系統(tǒng)對比研究

為實現(xiàn)基于穩(wěn)態(tài)視覺誘發(fā)電位SSVEP信號的在線BCI系統(tǒng)，在對實驗者進行實驗時，通過分析、處理腦電圖（EEG）信號以完成實驗。具體過程為：在實驗者頭部枕區(qū)放置測量電極，參考電極放置在頭部耳垂位置，地電級則置于實驗者前額位置處，腦機信號放大器端與三電極接連在一起，再連接到計算機系統(tǒng)，即可完成人腦電信號的采集。本次參與實驗的6名實驗者皆是年齡在20～30歲之間的自愿參與的健康成年人；實驗環(huán)境為屏蔽電磁的腦電信號實驗室，在一米距離處向?qū)嶒炚叱尸F(xiàn)刺激范式。（圖9）

為了比較高頻與低頻穩(wěn)態(tài)視覺誘發(fā)電位SSVEP信號兩者之間的差異，高頻采用差異組合的高頻段視覺刺激頻率，采用編號為1、2、3的25 Hz、33.33 Hz、40 Hz這三個刺激頻率，分別組成如前文所述的差異化組合序列，排布方式：123、132、213、231、312、321，如圖8所示；低頻采用的是傳統(tǒng)的12 Hz, 12.5 Hz, 15 Hz三個視覺刺激頻率，如圖10所示。

對實驗者分別進行高頻與低頻視覺信號刺激，做三組及以上的重復(fù)實驗，記錄每次實驗的刺激時間、疲勞程度以及信息傳輸率和正確識別率，再取平均值作為實驗的最終結(jié)果，如表1所示。

從上表1對比效果可知，在腦機接口技術(shù)中采用高頻穩(wěn)態(tài)視覺誘發(fā)電位SSVEP，其不僅信息傳輸率比低頻快得多；對實驗者的刺激時間要比低頻短的多，分別是19s和5.7s；且導(dǎo)致實驗者達到疲勞的時間長達8個小時，而后者僅僅為2個小時；而正確識別率達到了95%，亦比低頻效果好得多。綜述，筆者在本文中通過對腦機接口系統(tǒng)高頻穩(wěn)態(tài)視覺誘發(fā)電位SSVEP信號的研究，運用希爾伯特-黃變換算法與差異化組合方式提取腦電信號特征，從而通過高低頻SSVEP對比研究，得出結(jié)論。

圖9 高頻差異組合刺激6方塊圖

圖10 低頻組合刺激3方塊圖

[1]T. Oesterlein,R. Scherer,G. Müller-Putz. Monocular Head-Mounted SSVEP based Brain-Computer Interface to Retain Situational Awareness[J]. Biomedical Engineering/Biomedizinische Technik,2012.

[2]M. Byczuk,P. Poryza?a,A. Materka. On diversity within operators’ EEG responses to LED-produced alternate stimulus in SSVEP BCI[J]. Bulletin of the Polish Academy of Sciences：Technical Sciences,2012,60(3).

[3]Zimu Zhang,Zhidong Deng.An Automatic SSVEP Component Selection Measure for High-Performance Brain-Computer Interface[M].Springer Berlin Heidelberg：2014.

[4]Zhenghua Wu,Sheng Su.Detection Accuracy Comparison Between the High Frequency and Low Frequency SSVEP-Based BCIs[M].Springer International Publishing：2014.

表1 高低頻穩(wěn)態(tài)視覺誘發(fā)電位SSVEP效果對比表

[5]龔華云,魏慶國,李茂全. 一個基于穩(wěn)態(tài)視覺誘發(fā)電位的兩步腦拼寫系統(tǒng)的設(shè)計與實現(xiàn)[J]. 南昌大學(xué)學(xué)報(理科版 ),2015,39(06)：544-551.

[6]張黎明,張小棟,陸竹風,李睿. 用于SSVEP特征頻率提取的同步壓縮短時傅里葉變換方法[J/OL]. 西安交通大學(xué)學(xué)報 ,2017,(02)：1-6.

[7]魏春惠. 我國正常人穩(wěn)態(tài)圖形視覺誘發(fā)電位隨刺激頻率變化的特性[J]. 南京鐵道醫(yī)學(xué)院學(xué)報,1996,(04)：64-65.

[8]潘潔,高小榕,高上凱. 穩(wěn)態(tài)視覺誘發(fā)電位頻率與相位特性的腦電研究[J]. 清華大學(xué)學(xué)報(自然科學(xué)版),2011,51(02)：250-254.[9]鄭軍. 基于穩(wěn)態(tài)視覺誘發(fā)電位的腦-機接口研究[J]. 科學(xué)技術(shù)與工程,2011,11(33)：8149-8154.

[10]Brendan Z.Allison,Jing Jin,Yu Zhang,Xingyu Wang. A fourchoice hybrid P300/SSVEP BCI for improved accuracy[J]. Brain-Computer Interfaces,2014,1(1).

[11]徐光華,張鋒,謝俊,李葉平,韓丞丞,李黎黎. 穩(wěn)態(tài)視覺誘發(fā)電位的腦機接口范式及其信號處理方法研究[J/OL]. 西安交通大學(xué)學(xué)報,2015,49(06)：1-7+108.

[12]黃漫玲,吳平東,殷罡,劉瑩. 基于穩(wěn)態(tài)視覺誘發(fā)電位的腦-機接口實驗研究[J]. 北京理工大學(xué)學(xué)報,2008,(11)：957-961.

[13]董恩增,郭光瑞,陳超. 基于穩(wěn)態(tài)視覺誘發(fā)電位的在線腦機接口研究[J/OL]. 計算機工程與應(yīng)用,2017,53(03)：154-159.

[14]趙麗,邢瀟,郭旭宏,劉澤華,何洋. 基于穩(wěn)態(tài)視覺誘發(fā)電位的腦-機接口無線智能家居系統(tǒng)研究[J]. 生物醫(yī)學(xué)工程學(xué)雜志 ,2014,31(05)：967-970.

[15]Hisaya Tanaka,Hiromi Sakata. Measurement of the Characteristics for BCI by SSVEP[M].Springer Berlin Heidelberg：2013.

[16]Ivan Volosyak,Felix Gembler,Piotr Stawicki. Age-related differences in SSVEP-based BCI performance[J]. Neurocomputing,2016,.

[17]Yangsong Zhang,Daqing Guo,Dezhong Yao,Peng Xu. The Extension of Multivariate Synchronization Index Method for SSVEP-based BCI[J]. Neurocomputing,2017.

R 318.0

：A

：1671-0711（2017）12（下）-0114-06