关键词：脑-机接口;;稳态视觉诱发电位;;机械臂;;机器视觉
摘 要：近年来,机器人技术已经被成功的应用于残障人士的日常生活,为其提供有效的辅助强化方案。然而,对于重度神经肌肉疾病或神经障碍(诸如,肌萎缩侧索硬化症、脊髓损伤、脑中风)的患者而言,传统的人机交互方式(例如,手柄、键盘、语音)无法实现患者与外界的交互。脑-机接口技术则可以不依赖于患者受损的外周神经及肌肉组织,通过解码大脑的意愿,从而实现对外部设备的控制。本文旨在为重度运动功能障碍患者搭建高效,实用的脑-机接口智能辅助系统。基于此,本文设计与实现了 3套基于稳态视觉诱发电位脑-机接口(steady-state visual evoked potential-based brain-computer interface,SSVEP-BCI)控制的机械臂系统:机械臂“直接控制”系统、机械臂“高级控制”系统、联合机器视觉与SSVEP-BCI的机械臂控制系统。“直接控制”系统中,被试通过基于15目标的SSVEP-BCI可实现对机械臂的直接控制。系统创新性引入滤波器组典型相关分析法(filterbank canonical correlation analysis,FBCCA),在无需BCI训练、校准的前提下,可以完成脑电信号的特征识别。经12名健康被试在线实验验证:基于15目标的SSVEP-BCI输出单个指令所需时间为4秒。系统可获得91.78%的平均识别正确率、48.27比特/分钟的信息传输速率。此外,包含7名无BCI经历的志愿者在内的所有被试均能在无BCI训练的情况下,通过SSVEP-BCI完成“探出-抓取”任务。结果证明SSVEP-BCI“直接控制”策略能够实现对7自由度机械臂高效且精准的控制。同时验证了 BCI对于机械臂辅助控制的有效性。实验中,为减轻被试的心理负担,本文引入机械臂“高级控制”策略。通过下达目标物体位置的高级指令,机械臂即可自动将目标物体抓取至目的地。“高级控制”系统采用了 FBCCA作为SSVEP特征提取的算法。经4名健康被试在线实验论证,基于25目标的SSVEP-BCI可以在1.75秒的视觉刺激下,以89.08%识别正确率实现对机械臂的控制。同时验证了 SSVEP-BCI对机械臂“高级控制”的有效性。实际环境复杂多变,为进一步提升系统的实用性,在“高级控制”系统的基础上引入“机器视觉”,实现了复杂环境中3类物体的快速识别,正确率可达100%。被试仅需通过SSVEP-BCI选择目标形状,机械臂即刻自主完成环境中目标物体的捕捉与放置。经13位健康被试的在线实验结果分析,该系统可以获得97.69%的识别正确率。验证了机器视觉对SSVEP-BCI控制机械臂系统性能的改善作用。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取