计算机工程与科学

作者：李昭阳, 伏云发

单位：（昆明理工大学信息工程与自动化学院，云南 昆明 650500）

关键词：视觉想象,微状态,脑电,脑机交互,

基金：国家自然科学基金（8177071438,6176020268）

运动想象MI是基于想象的脑机交互BCI中常用的任务，但MI不易习得和控制，且存在“BCI盲”现象，使得该类BCI的实用化受限。针对较易习得和控制的视觉想象VI任务进行识别，旨在构建基于VI的BCI(VI-BCI)。招募了15名被试者参加2种动态图像的视觉想象任务并采集脑电EEG数据；然后采用EEG微状态方法研究了这2种VI任务诱发的EEG在微状态时间参数上的差异，并选用差异显著的微状态时间参数构建特征向量；最后采用SVM对2类VI任务进行识别。结果显示提取微状态特征所取得的最高、最低和平均分类精度分别为90%,56%和80.6±2.58%。表明微状态方法可以有效提取VI相关EEG特征并得到具有可比性的分类精度，可望为构建相对较新的在线VI-BCI提供思路。

来源：2021年第3期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第3期