面向飛行模擬器的立體視覺刺激腦機(jī)接口系統(tǒng)

毛玲，魏士松,2，張靈維，章栩苓，周正東

(1.南京航空航天大學(xué)機(jī)械結(jié)構(gòu)力學(xué)及控制國家重點(diǎn)實(shí)驗(yàn)室，江蘇南京，210016；2.上海航天精密機(jī)械研究所，上海，201600)

腦機(jī)接口技術(shù)(brain-computer interface,BCI)能夠在大腦與外部環(huán)境之間建立聯(lián)系，利用大腦意識(shí)活動(dòng)產(chǎn)生的腦電信號(hào)控制外部設(shè)備[1?2]。穩(wěn)態(tài)視覺誘發(fā)電位(steady state visual evoked potential,SSVEP)是指對(duì)人腦實(shí)施固定頻率的視覺刺激后產(chǎn)生的腦電信號(hào)電位變化[3?4]，因其訓(xùn)練時(shí)間短、通訊速率快、設(shè)備配置簡單等優(yōu)點(diǎn)，被廣泛應(yīng)用于醫(yī)療、航空航天及軍事等領(lǐng)域[5]。NAKANISHI等[6]提出了一種新的數(shù)據(jù)驅(qū)動(dòng)的空間濾波方法，利用任務(wù)相關(guān)成分分析方法(Task-related component analysis,TRCA)去除背景腦電活動(dòng)，提高SSVEP信號(hào)的信噪比(signal to noise ratio,SNR)，實(shí)驗(yàn)結(jié)果表明該方法有效提高了腦電信號(hào)的分類精度。張彥軍等[7]提出了一種以現(xiàn)場可編程門陣列(fieldprogrammable gate array,FPGA)和商用腦電采集設(shè)備為核心的SSVEP-BCI 系統(tǒng)。該系統(tǒng)通過所設(shè)計(jì)的視覺刺激器，完成了基于FPGA的腦電信號(hào)處理和特征識(shí)別，在4 個(gè)刺激目標(biāo)和單次實(shí)驗(yàn)時(shí)長2 s的實(shí)驗(yàn)條件下，能夠?qū)崿F(xiàn)85.25%的平均識(shí)別正確率。邵星翰等[8]提出了一種基于多元經(jīng)驗(yàn)?zāi)Ｊ椒纸獾亩嘣街笖?shù)法，通過對(duì)SSVEP 目標(biāo)識(shí)別算法進(jìn)行優(yōu)化，提高了SSVEP 信號(hào)的識(shí)別準(zhǔn)確率。KRYGER等[9]將腦機(jī)接口技術(shù)應(yīng)用于飛行模擬駕駛領(lǐng)域，通過在殘疾患者大腦皮層植入2 個(gè)96 通道的微電極陣列，患者能夠運(yùn)用運(yùn)動(dòng)想像實(shí)現(xiàn)對(duì)于飛行器的飛行操控。

虛擬現(xiàn)實(shí)技術(shù)是一種能夠構(gòu)建和體驗(yàn)虛擬三維世界的計(jì)算機(jī)仿真系統(tǒng)，其核心在于沉浸感、交互感與存在感的高度融合[10?11]。虛擬現(xiàn)實(shí)系統(tǒng)類型主要有桌面式虛擬現(xiàn)實(shí)系統(tǒng)、沉浸式虛擬現(xiàn)實(shí)系統(tǒng)、增強(qiáng)式虛擬現(xiàn)實(shí)系統(tǒng)及分布式虛擬現(xiàn)實(shí)系統(tǒng)。其中，桌面式虛擬現(xiàn)實(shí)系統(tǒng)相比其他虛擬現(xiàn)實(shí)系統(tǒng)對(duì)眼睛更為友好，佩戴更加舒適。桌面式虛擬現(xiàn)實(shí)系統(tǒng)包括立體顯示器、輕質(zhì)3D眼鏡及六自由度操控筆等，通過實(shí)時(shí)頭部追蹤技術(shù)配合用戶的頭部姿態(tài)調(diào)整來改變空間視圖，以模擬真實(shí)環(huán)境視覺體驗(yàn)[12?15]。相比平面圖像，立體圖像增加了虛擬目標(biāo)的深度信息，能夠?yàn)槟X電設(shè)備采集電位信號(hào)提供更具激勵(lì)性的視覺刺激[16]，進(jìn)而提高了腦控飛行模擬駕駛的準(zhǔn)確率。黃墉[17]研究了一種基于頭盔式虛擬現(xiàn)實(shí)系統(tǒng)的3D立體視覺刺激的P300 范式，實(shí)驗(yàn)結(jié)果表明基于立體視覺刺激范式下的電位信號(hào)分類準(zhǔn)確率有一定的提升。但是頭盔式虛擬現(xiàn)實(shí)設(shè)備存在質(zhì)量大、舒適性差、易產(chǎn)生視覺疲勞等問題，而且P300 電位相對(duì)較弱，經(jīng)常受到腦活動(dòng)干擾，為提高腦電信號(hào)的信噪比需反復(fù)進(jìn)行多次視覺刺激，易引起眼部不適、采集效率較低[18]。

為了提高腦控飛行模擬駕駛的準(zhǔn)確率，本文作者提出一種面向飛行模擬器的立體視覺刺激穩(wěn)態(tài)視覺誘發(fā)電位腦機(jī)接口系統(tǒng)。該系統(tǒng)運(yùn)用桌面式虛擬現(xiàn)實(shí)技術(shù)為用戶提供立體視覺刺激以誘發(fā)高質(zhì)量的腦電信號(hào)，通過Emotive EPOC+腦電設(shè)備和OpenVIBE腦電處理模塊對(duì)電位信號(hào)進(jìn)行采集與處理、特征提取和分類，最后轉(zhuǎn)換為飛行控制指令，實(shí)現(xiàn)對(duì)虛擬現(xiàn)實(shí)模擬飛行器的在線操控。

1 研究方法

1.1 實(shí)驗(yàn)系統(tǒng)

為了提升腦電信號(hào)分類的準(zhǔn)確率，從而更精確地操控飛行器，開發(fā)了基于桌面式虛擬現(xiàn)實(shí)的立體視覺刺激的SSVEP 腦機(jī)接口系統(tǒng)，包括視覺刺激子系統(tǒng)、OpenVIBE腦電處理模塊、指令模塊和通信模塊，如圖1所示。視覺刺激子系統(tǒng)包含2個(gè)功能：其一，用于提供固定頻率閃爍的虛擬目標(biāo)來刺激大腦產(chǎn)生SSVEP 響應(yīng)，其二，接收分類結(jié)果并實(shí)時(shí)反饋在場景中。OpenVIBE腦電處理模塊用于對(duì)腦電數(shù)據(jù)進(jìn)行離線訓(xùn)練和在線分類，并輸出分類結(jié)果。指令模塊用于接收分類結(jié)果并轉(zhuǎn)換為可識(shí)別的飛行控制指令傳輸至飛行模擬駕駛模塊。通信模塊用于實(shí)現(xiàn)視覺刺激子系統(tǒng)、OpenVIBE腦電處理模塊、指令模塊及飛行模擬駕駛模塊之間的數(shù)據(jù)交互傳輸。

圖1 面向飛行模擬器的立體視覺刺激腦機(jī)接口系統(tǒng)示意圖Fig.1 Schematic diagram of stereoscopic vision stimulated brain-computer interface system for flight simulator

1.2 視覺刺激子系統(tǒng)

1.2.1 視覺刺激子系統(tǒng)設(shè)計(jì)

視覺刺激子系統(tǒng)以Unity3D為開發(fā)平臺(tái)，C#為開發(fā)語言，基于VoxelStation VR 工作站平臺(tái)，采用3D立體顯示器作為視覺刺激器，屏幕分辨率為1 920×1 080，刷新頻率為120 Hz?；谧烂嫣摂M現(xiàn)實(shí)技術(shù)開發(fā)，具有平面視覺刺激和立體視覺刺激2種模式，以便于分析比較2種刺激模式下的腦電信號(hào)分類性能。

當(dāng)顯示器開啟3D 模式，結(jié)合用戶佩戴的3D偏振眼鏡，刺激目標(biāo)以立體形式呈現(xiàn)，三維視景為用戶帶來高沉浸感的體驗(yàn)，當(dāng)顯示器關(guān)閉3D模式時(shí)，刺激目標(biāo)以平面形式產(chǎn)生視覺刺激。

為了滿足實(shí)驗(yàn)測試的需求，開發(fā)了具有SSVEP 離線訓(xùn)練、SSVEP 在線測試及SSVEP 在線控制功能模塊的視覺刺激子系統(tǒng)。該子系統(tǒng)在立體顯示屏上設(shè)置了4個(gè)虛擬目標(biāo)，虛擬目標(biāo)以固定頻率閃爍實(shí)現(xiàn)對(duì)用戶的視覺刺激。其中，虛擬目標(biāo)的顏色、大小及間距等參數(shù)可自由調(diào)整，以滿足不同用戶對(duì)顏色敏感程度差異性的需求，能更有效的刺激用戶產(chǎn)生高質(zhì)量的腦電信號(hào)。

SSVEP 離線訓(xùn)練模塊主要用于分類模型的訓(xùn)練，能夠?yàn)橛脩籼峁┨摂M目標(biāo)以恒定頻率閃爍的視覺刺激，配合OpenVIBE腦電處理模塊對(duì)空間濾波器及分類器進(jìn)行訓(xùn)練及構(gòu)建，為后續(xù)在線測試和在線控制提供分類模型。

SSVEP 在線測試模塊主要用于操控性能的在線測試，除了為用戶提供視覺刺激外，還基于腦電處理平臺(tái)得到的分類結(jié)果進(jìn)行實(shí)時(shí)反饋。同時(shí)能夠按需生成隨機(jī)序列的控制測試，用以統(tǒng)計(jì)用戶控制正確率以及響應(yīng)時(shí)間。

SSVEP 在線控制模塊主要用于虛擬飛行器的在線操控，除了為用戶提供視覺刺激外，還基于指令模塊生成的飛行控制指令，實(shí)現(xiàn)對(duì)飛行器起飛及飛行姿態(tài)的操控。

1.2.2 視覺刺激原理

通過虛擬目標(biāo)按照恒定頻率交替閃爍不同顏色實(shí)現(xiàn)對(duì)大腦的視覺刺激。為了獲得穩(wěn)定的刺激頻率，基于Unity3D開發(fā)的視覺刺激子系統(tǒng)在頻率閃爍的實(shí)現(xiàn)上有Fixed Update 和Shader 2 種方式。Fixed Update 方式是運(yùn)用Unity3D 自帶的循環(huán)周期函數(shù)來實(shí)現(xiàn)閃爍，這是一種十分消耗性能的循環(huán)方式，高頻率的運(yùn)算需要占用大量的計(jì)算機(jī)資源，因此，本文采用Shader方式實(shí)現(xiàn)視覺刺激。Shader方式通過Unity Shader 配置GPU 渲染管線來實(shí)現(xiàn)。在渲染過程中，首先在頂點(diǎn)著色器中，通過矩陣變換將模型頂點(diǎn)數(shù)據(jù)變換到裁剪坐標(biāo)系下，然后在該著色器中定義矩陣C，用于存儲(chǔ)虛擬目標(biāo)2種顏色的R，G，B通道。

式中：Ri為R通道的值，Gi為G通道的值，Bi為B通道的值。

當(dāng)前時(shí)間點(diǎn)的行索引Li(從t=0起始)為

式中：Fl(*)為向下取整；t為程序運(yùn)行后的時(shí)間計(jì)數(shù)；f為視覺刺激的閃爍頻率；%2 為對(duì)2 取余數(shù)。計(jì)算得到行索引后，將行索引對(duì)應(yīng)的顏色值傳入到片段著色器中。在片段著色器，只需要將顏色值輸出并顯示到屏幕上即可實(shí)現(xiàn)交替閃爍功能。

1.3 OpenVIBE腦電處理模塊

OpenVIBE腦電處理模塊的處理流程主要包括腦電信號(hào)采集及預(yù)處理、特征提取以及特征分類。本文利用Emotive EPOC+腦電設(shè)備采集用戶的SSVEP 信號(hào)，該設(shè)備內(nèi)置的50 Hz 和60 Hz 陷波濾波器能夠?yàn)V除對(duì)應(yīng)的工頻干擾，并對(duì)數(shù)據(jù)進(jìn)行0.5～45 Hz的帶通濾波處理。通過第三方開源工具Cykit將采集的腦電數(shù)據(jù)轉(zhuǎn)換為OpenVIBE可識(shí)別的數(shù)據(jù)流。為了有效提取信號(hào)的頻率響應(yīng)特征，需要對(duì)信號(hào)進(jìn)行特定頻帶的濾波處理，針對(duì)每個(gè)目標(biāo)的基波(f)與二次諧波(2f)設(shè)定相應(yīng)的Butterworth 帶通濾波器，其對(duì)應(yīng)的頻帶范圍分別為[f-0.25,f+0.25]和[2f-0.25,2f+0.25]腦電信號(hào)預(yù)處理完畢后，通過共空間模式(common spatial patterns,CSP)[19]對(duì)離線腦電數(shù)據(jù)進(jìn)行訓(xùn)練獲得一組空間濾波器矩陣，從而實(shí)現(xiàn)對(duì)腦電信號(hào)的特征提取。二分類情況下空間濾波器的構(gòu)建過程如下：

令2個(gè)類別中第i個(gè)信號(hào)樣本X1i與X2i的歸一化的協(xié)方差矩陣為：

式中：tr(*)表示矩陣對(duì)角線上元素和。

空間濾波器的構(gòu)建公式如下：

式中：P為協(xié)方差矩陣R的白化矩陣；B為經(jīng)白化處理后矩陣的最大特征值和最小特征值對(duì)應(yīng)的特征向量的組合。

信號(hào)數(shù)據(jù)樣本經(jīng)過空間濾波后的矩陣Z為

式中：W為空間濾波矩陣；X為信號(hào)樣本。

對(duì)濾波后的特征向量求取對(duì)數(shù)作為信號(hào)特征：

式中：var(Zi)為矩陣Z中第i行的方差；j=1，2，…，2m，2m為矩陣Z的行數(shù)。

對(duì)于2 個(gè)分類以上的情況，通過“一對(duì)多”(one vs rest,OvR)的方法將其轉(zhuǎn)換為多個(gè)“二分類”來進(jìn)行處理。選取n個(gè)類中的一類給出協(xié)方差矩陣R1，然后將剩余其他類的協(xié)方差矩陣結(jié)合類頻率進(jìn)行加權(quán)平均作為R2進(jìn)行求解，以此依次構(gòu)建出n倍數(shù)量的空間濾波器。

線性判別分析(linear discriminant analysis,LDA)[20]用于完成分類器構(gòu)建，該方法對(duì)樣本信號(hào)特征進(jìn)行線性組合以此來區(qū)分不同類別的信號(hào)。對(duì)于二分類問題，設(shè)法將樣本投影到一條直線上，使得同類樣例盡可能接近，異類的樣例投影盡可能遠(yuǎn)離，獲得LDA 最大化的目標(biāo)。具體實(shí)施過程如下。

首先，假設(shè)投影直線為ω，取任意一個(gè)樣本xi，定義類內(nèi)散度矩陣Sω：

式中：μ0和μ1為2類樣本的中心點(diǎn)。

定義類間散度矩陣Sb：

LDA最大化的目標(biāo)函數(shù)J(w)為

采用拉格朗日乘子法對(duì)式(10)優(yōu)化可得：

對(duì)于n個(gè)分類問題，通過“一對(duì)多”將其擴(kuò)展為多個(gè)“二分類”問題進(jìn)行求解，取出其中一個(gè)類，然后將剩下的n?1個(gè)類組合為另一個(gè)類，通過訓(xùn)練得出n個(gè)分類器。

完成空間濾波器與分類器的構(gòu)建后，即可進(jìn)行在線控制，將在線采集得到的腦電信號(hào)經(jīng)預(yù)處理、空間濾波器提取信號(hào)特征以及分類器分類后輸出分類結(jié)果。

1.4 通信模塊

1.4.1 VRPN通信

本系統(tǒng)中視覺刺激子系統(tǒng)、OpenVIBE腦電處理模塊、指令模塊及飛行模擬駕駛模塊之間需要進(jìn)行數(shù)據(jù)交互。OpenVIBE腦電處理模塊生成的分類結(jié)果分別傳輸視覺刺激子系統(tǒng)與指令模塊，指令模塊接收后轉(zhuǎn)換為飛行控制指令發(fā)送飛行模擬駕駛模塊操控飛行器飛行。

虛擬現(xiàn)實(shí)外圍網(wǎng)絡(luò)(virtual reality peripheral network,VRPN)是一個(gè)設(shè)備(程序)之間數(shù)據(jù)訪問的開源接口工具，具有延遲低、可靠性高的優(yōu)點(diǎn)。視覺刺激子系統(tǒng)、指令模塊與OpenVIBE腦電處理模塊通過VRPN 實(shí)現(xiàn)通信，通訊原理如圖2所示，在視覺刺激子系統(tǒng)、指令模塊與OpenVIBE腦電處理模塊之間配置VRPN客戶端與VRPN服務(wù)器，使用時(shí)只需配置相應(yīng)的鍵值名稱即可實(shí)現(xiàn)通信。

圖2 VRPN通訊原理圖Fig.2 Schematic diagram of VRPN communication

1.4.2 Socket通信

為了避免飛行視景圖像對(duì)SSVEP 誘發(fā)產(chǎn)生干擾，將視覺刺激子系統(tǒng)、OpenVIBE腦電處理模塊和指令模塊在一臺(tái)計(jì)算機(jī)中運(yùn)行，飛行模擬駕駛模塊在另一臺(tái)計(jì)算機(jī)中運(yùn)行。指令模塊與飛行模擬駕駛模塊通過Socket進(jìn)行通信，Socket作為應(yīng)用層與TCP/IP 協(xié)議族通信的中間軟件抽象層，能夠?qū)⒅噶钅K輸出的飛行控制指令傳輸至飛行模擬駕駛模塊。在網(wǎng)絡(luò)通訊中，信息以字節(jié)流的形式傳輸，通常采用XML技術(shù)實(shí)現(xiàn)數(shù)據(jù)的序列化與反序列化。本文數(shù)據(jù)解析功能由Protobuf實(shí)現(xiàn)，相比XML 技術(shù)，Protobuf 是一個(gè)更高效的協(xié)議數(shù)據(jù)交換格式工具庫，可用于通信協(xié)議、數(shù)據(jù)存儲(chǔ)等。Socket 通信原理如圖3所示，通過Visual Studio 開發(fā)一個(gè)控制臺(tái)應(yīng)用作為Socket 服務(wù)端，指令模塊和飛行模擬駕駛模塊分別架設(shè)在2個(gè)客戶端中，控制指令通過Protobuf 進(jìn)行數(shù)據(jù)解析并發(fā)送至服務(wù)端，再由服務(wù)端發(fā)送至飛行模擬駕駛模塊所在的客戶端中。

圖3 Socket通信原理圖Fig.3 Schematic diagram of Socket communication

2 結(jié)果與分析

2.1 實(shí)驗(yàn)設(shè)計(jì)

本實(shí)驗(yàn)共有9 位受試者參與實(shí)驗(yàn)，年齡介于20～30 歲之間，身體素質(zhì)良好，無色盲色弱問題。受試者于相對(duì)安靜的環(huán)境中獨(dú)自進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)過程無明顯外部干擾。受試者坐姿端正，眼睛距離屏幕的距離約為70 cm。

腦電數(shù)據(jù)由Emotive EPOC+腦電設(shè)備采集，根據(jù)研究顯示，SSVEP 腦電信號(hào)主要位于大腦皮層視覺功能區(qū)(枕葉)[21?22]，因此，選擇該設(shè)備的O1和O2通道作為實(shí)驗(yàn)信號(hào)采集通道。

2.2 刺激頻率選擇

本實(shí)驗(yàn)中，SSVEP 腦電信號(hào)通過按恒定頻率閃爍的目標(biāo)刺激用戶視覺產(chǎn)生。所用立體顯示屏幕刷新頻率為120 Hz(左右眼各60 Hz)，受顯示屏刷新率限制[21]，可供選擇的刺激頻率與所對(duì)應(yīng)的諧波頻率如表1所示。其中，F(xiàn)為屏幕刷新頻率，F(xiàn)=60 Hz，f，2f和3f分別為刺激頻率的基波、二次諧波與三次諧波頻率。

表1 SSVEP 刺激頻率Table 1 SSVEP stimulation frequency

為了產(chǎn)生4 種SSVEP 腦機(jī)接口控制指令用于飛行模擬器起飛階段及起飛后的操控，選擇了4個(gè)不同的刺激頻率，但多個(gè)刺激頻率之間可能會(huì)出現(xiàn)頻率耦合現(xiàn)象，應(yīng)避免這種現(xiàn)象發(fā)生。此外，需對(duì)刺激頻率及二次諧波進(jìn)行帶通濾波處理，范圍分別為[f-0.25,f+0.25]和[2f-0.25,2f+0.25]，因此，在選擇刺激頻率時(shí)，還應(yīng)保證一定的頻率間隔。為此，本文選擇了A、B 兩組頻率進(jìn)行測試，其中A 組頻率為5.45，6.67，7.50 和8.57 Hz；B組頻率為8.57，10，12和15 Hz。

不同刺激頻率下功率譜密度(Power Spectral Density,PSD)圖對(duì)比如圖4和圖5所示，其中，采集頻帶為0～40 Hz。由圖4和圖5可以看出，A組刺激頻率附近的功率譜密度明顯較低，B組刺激頻率的特征變化較明顯。因此，選用B組的頻率作為后續(xù)實(shí)驗(yàn)的刺激頻率。

圖4 A組刺激頻率下的PSD圖像Fig.4 PSD images at stimulation frequency of group A

圖5 B組刺激頻率下的PSD圖像Fig.5 PSD images at stimulation frequency of group B

2.3 時(shí)間窗口選擇

由于腦電圖(electroencephalogram,EEG)為連續(xù)收集得到的，若要分析腦電事件相關(guān)電位時(shí)，需要將信號(hào)“切分”為事件片段，時(shí)間窗口是指這些事件片段被鎖定到某個(gè)刺激中的時(shí)間片段[23]。截取的時(shí)間窗口越長，腦電信號(hào)的分類正確率越高，但響應(yīng)時(shí)間也越長[24]。因此時(shí)間窗口和響應(yīng)時(shí)間的平衡對(duì)本實(shí)驗(yàn)具有重要影響。為了獲得合適的時(shí)間窗口，本實(shí)驗(yàn)選擇了10 組隨機(jī)數(shù)據(jù)樣本進(jìn)行測試。其中，樣本的80%用于訓(xùn)練集，20%用于測試集。在相同條件下，對(duì)10 組數(shù)據(jù)樣本分別進(jìn)行分類器訓(xùn)練，結(jié)果如圖6所示。從圖6可以看出，每組數(shù)據(jù)樣本的分類正確率隨著時(shí)間窗口的增加呈現(xiàn)較快的增長，當(dāng)時(shí)間窗口大于2 s 時(shí)，分類正確率的增長趨于緩慢。

圖6 分類器正確率隨時(shí)間窗口的變化曲線Fig.6 Variation curve of classifier accuracy with time window length

基于上述實(shí)驗(yàn)結(jié)果，對(duì)2 s 內(nèi)不同時(shí)間窗口的分類正確率及響應(yīng)時(shí)間進(jìn)行綜合比較。選取5名受試者通過SSVEP在線測試模塊隨機(jī)進(jìn)行50次腦電響應(yīng)測試，產(chǎn)生的腦電信號(hào)經(jīng)過分類處理后得到的正確率P和平均響應(yīng)時(shí)間R如表2所示。由表2可知，當(dāng)時(shí)間窗口為0.5 s時(shí)，5名受試者平均正確率僅為45.2%，分類精度較低；而當(dāng)時(shí)間窗口為2 s時(shí)，5名受試者平均正確率為86.8%，分類精度較高，但此時(shí)平均響應(yīng)時(shí)間為2.36 s，控制響應(yīng)時(shí)間較長；當(dāng)時(shí)間窗口為1.0 s和1.5 s時(shí)，5名受試者平均響應(yīng)時(shí)間分別為1.366 s和1.85 s，平均正確率分別為72.4%和81.2%。綜合考慮控制正確率以及響應(yīng)時(shí)間，后續(xù)實(shí)驗(yàn)中時(shí)間窗口取值為1.5 s。

表2 不同時(shí)間窗口下分類器正確率和響應(yīng)時(shí)間對(duì)比Table 2 Comparison of classifier accuracy andresponse time under different time Windows

本實(shí)驗(yàn)信號(hào)采集通道選用O1 和O2 通道，刺激頻率分別為8.75，10，12和15 Hz，時(shí)間窗口取值為1.5 s。在該實(shí)驗(yàn)參數(shù)條件下，選取9名受試者分別在平面視覺刺激和立體視覺刺激下的腦電信號(hào)分類正確率進(jìn)行對(duì)比實(shí)驗(yàn)研究。每名受試者在2種不同的視覺刺激下分別進(jìn)行50 次隨機(jī)目標(biāo)指示試驗(yàn)，并通過SSVEP 在線測試模塊得出最終正確率結(jié)果。本實(shí)驗(yàn)中，對(duì)照組為平面視覺刺激組，實(shí)驗(yàn)組為立體視覺刺激組，腦電信號(hào)分類準(zhǔn)確率如圖7所示。

圖7 腦電信號(hào)分類準(zhǔn)確率對(duì)比圖Fig.7 Comparison of EEG signal classification accuracy

由圖7可得，對(duì)照組腦電信號(hào)分類平均準(zhǔn)確率為81.3%，實(shí)驗(yàn)組腦電信號(hào)分類平均準(zhǔn)確率為87.8%，相比對(duì)照組，實(shí)驗(yàn)組的平均準(zhǔn)確率提升了約6.5%，充分證明了立體視覺刺激所帶來的優(yōu)勢，可有效提高腦控飛行模擬駕駛的正確率。

3 結(jié)論

1)針對(duì)刷新頻率為120 Hz 的立體屏幕，選用最優(yōu)刺激頻率為8.57，10，12及15 Hz時(shí)能誘發(fā)高質(zhì)量的腦電信號(hào)。

2)在1.5 s 的采集時(shí)間窗口下，指令響應(yīng)時(shí)間和分類正確率能取得最優(yōu)組合；相比于平面視覺刺激，立體視覺刺激條件下的腦電信號(hào)分類正確率提高了6.5%，從而可改善腦控飛行模擬駕駛系統(tǒng)的性能。