Методическая статья

SSVEP основе экспериментальной процедуры для мозгов Robot взаимодействия с человекоподобных роботов

DOI:

10.3791/53558

⸱

24 ноября 2015 г.

 ,  ,  , 
1School of Electrical Engineering and Automation, Tianjin University, 2Department of Computer & Electrical Engineering and Computer Science, California State University

В этой статье

Краткое содержание

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Общая цель этого метода — установить экспериментальную процедуру на основе SSVEP путем интеграции нескольких программ, чтобы обеспечить изучение взаимодействия мозга и робота с гуманоидными роботами, что перспективно при оказании помощи больным и пожилым людям, а также при выполнении антисанитарных или опасных работ.

Аннотация

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Взаимодействие мозга и робота (BRI), которое обеспечивает инновационный канал связи между человеком и роботизированным устройством с помощью сигналов мозга, является перспективным для помощи инвалидам в их повседневной жизни. Общая цель нашего метода заключается в создании экспериментальной процедуры на основе SSVEP путем интеграции нескольких программ, таких как OpenViBE, Choregraph и центральное программное обеспечение, а также пользовательских программ, написанных на C++ и MATLAB, чтобы обеспечить возможность изучения взаимодействия мозга и робота с гуманоидными роботами.

Это достигается путем предварительного размещения электродов ЭЭГ на человеке, чтобы измерить реакцию мозга с помощью системы сбора данных ЭЭГ. Пользовательский интерфейс используется для получения ответов SSVEP и отображения видеообратной связи в экспериментах по управлению с обратной связью. Второй шаг заключается в том, чтобы записать сигналы ЭЭГ у испытуемых, впервые сдавших экзамен, проанализировать их особенности SSVEP в автономном режиме и обучить классификатор для каждого испытуемого. Затем онлайн-процессор сигналов и контроллер робота настроены для онлайн-управления гуманоидным роботом. В качестве заключительного шага испытуемый выполняет три конкретных эксперимента по замкнутому контуру управления в различных условиях, чтобы оценить эффективность взаимодействия мозга и робота.

Преимущество этого подхода заключается в его надежности и гибкости, поскольку он разработан путем интеграции нескольких программ. Результаты показывают, что при использовании этого подхода субъект способен взаимодействовать с гуманоидным роботом с помощью сигналов мозга. Это позволяет управляемому разумом гуманоидному роботу выполнять типичные задачи, которые популярны в исследованиях робототехники и помогают инвалидам.

Введение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Мозг-робот взаимодействия (BRI), которая обеспечивает инновационную путь связи между человеком и роботом устройства через сигналы мозга, является перспективным в помощи инвалидам в их повседневной жизни 1,2. Разнообразие методов могут приобрести мозговые сигналы либо инвазивным или неинвазивным, такие как electrocorticography (ЭГ), электроэнцефалографом (ЭЭГ), функциональной магнитно-резонансной томографии (МРТ), и т.д. Наиболее часто используемый неинвазивный метод для построения Система BRI является приобретение сигналы ЭЭГ с электродов, помещенных на коже головы. Этот метод является недорогим, простым в использовании и обеспечивает приемлемый временное разрешение 3. Среди разнообразия роботов устройств, гуманоидные роботы передовые, как они созданы, чтобы подражать некоторые из тех же физических и умственных задач, что люди подвергаются ежедневно. BRI с человекоподобного робота будет играть важную роль в оказании помощи больным и пожилым людям, а также выполнения антисанитарных или опасных работах. Но контрольиз человекоподобного робота через систему BRI весьма сложной задачей, поскольку робот-гуманоид с полным движением тела разработана для выполнения сложных задач, таких, как личная помощь 4, 5.

Установившаяся зрительных вызванных потенциалов (SSVEP) является тип сигнала мозга, вызванный модуляцией зрительного стимула при заданной частоте 6. Он содержит синусоиды на основных и гармонических частот мерцающем стимул, и заметно, появляется в зрительной коре в затылочной области волосистой части головы 7. Причиной выбора SSVEP сигналы, что SSVEP-система BRI дает относительно высокую скорость передачи информации и требует меньше подготовки 8. Другие типы мозговых волн, такие как события, связанные с потенциалами (ССП) 9 или мотор-образов (ИМ) потенциалов 10, также может быть встроен в этой экспериментальной процедуры.

Наша процедура мозг робота-гуманоида взаимодействия сроботы на основе Cerebot - управляемым сознанием человекоподобный робот платформы - состоящий из системы сбора данных ЭЭГ и робота-гуманоида 11. Система ЭЭГ способен записывать, предварительно обрабатывают и отображают био-потенциал сигналы, полученные с помощью различных типов электродов. Это обеспечивает многократное аналогового ввода / вывода и цифрового ввода / вывода и способен записывать до 128 сигнальных каналов одновременно при частоте дискретизации 30 кГц с разрешением 16 бит. Его комплекты разработки программного обеспечения в C ++ и MATLAB легко для пользователей, чтобы разработать экспериментальные процедуры. Гуманоид Робот имеет 25 степеней свободы и оснащен множеством датчиков, в том числе 2-х камер, микрофонов, 4 2 гидроакустических дальномеров, 2 ИК-излучателей и приемников, 1 инерциальной борту, 9 датчиков тактильных и 8 датчиков давления. Она обеспечивает Choregraphe и C ++ SDK для создания и редактирования движений и интерактивных поведения роботов.

Общая цель этого метода заключается в создании SSVEP основе экспериментального процеДюре путем интеграции нескольких компьютерных программ, таких как OpenViBE, Choregraph, Центральной программного обеспечения, а также разработаны пользовательские программы, написанные на C ++ и MATLAB, для того, чтобы изучение мозга робота взаимодействия с человекоподобных роботов 11. Рисунок 1 показывает структуру системы. Выделенный стимулом презентация компьютер (SPC) отображает пользовательский интерфейс, чтобы обеспечить эту тему с визуальными стимулами, инструкций и экологических отзывы. Выделенный компьютерной обработки данных (ЦОД) работает регистратор данных и данных в автономном режиме анализатора в автономном тренировочного процесса, и работает процессор Интернет сигнал и Robot Controller для онлайн контроля робота-гуманоида. По сравнению с другими системами управления SSVEP основе, наша система является более надежным, более гибкой, и, особенно, более удобно использовать повторно и обновлен, как это развивается путем интеграции ряда стандартных пакетов программного обеспечения, таких как OpenViBE, Choregraph, Центральной программного обеспечения, и модулями, написанными на C ++и MATLAB.

Следующая процедура была рассмотрена и одобрена Тяньцзинь медицинского университета больницы общего комитета по этике, и все предметы дал письменное согласие.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Приобретение сигналов ЭЭГ

  1. Объясните экспериментальную процедуру к теме и получить письменное информированное согласие на участие в эксперименте.
  2. Измерьте окружность головы субъекта, используя рулетку и выберите размер ЭЭГ колпачок, который близок к измерению. Расположение электродов на основе "Международной системе 10-20" 12.
  3. Измерьте расстояние между Насьон и затылочного бугра. Используйте маркер кожи карандаш, чтобы отметить 10% расстояния в качестве эталона для согласования крышку, и отметьте середину расстояния, как вершины на волосистой части головы испытуемого.
  4. Поместите крышку ЭЭГ на тему, совместив 10% отметку с середины электродов FP1 и FP2. Положение электрода Cz колпачка на вершину.
  5. Убедитесь, что Fz, Cz, Pz и Оз находятся на средней линии головы, и что каждая пара электродов, расположенных по обе стороны от средней линии в горизонтальной линией.
  6. Мазок электроды ref1 и ref2 с проводящей геля. Приложите электроды на левой и правой mastoids использованием медицинской ленты. Затянуть антарктического.
  7. Поставьте тупым наконечником шприца в держатели электродов и ввести проводящий гель в каждом электроде в следующем порядке: во-первых, "земля" электрода на лбу и во-вторых, пять электроды, используемые в эксперименте, О2, О1, Оз, Pz и CZ.
  8. Автокресло тему в удобном кресле 60 см в передней части стимула монитора. Поручить предмет, чтобы его / ее глаза в том же горизонтальном уровне с центром монитора.
  9. Подключите электродные провода к системе сбора данных ЭЭГ. Настройте частоту дискретизации до 1 кГц.
  10. Проверьте качество сигнала ЭЭГ на выделенном DPC. Если существует проблема с конкретным электрода, закачки геля для регулировки импеданса канала.
  11. Используйте специальный SPC мерцать четыре робота изображений на частотах 4,615, 12, 15 и 20Гц в зрительных стимулов на пользовательский интерфейс, как показано на рисунке 2.

2. Анализ Offline SSVEP Особенности

  1. Провести 32 испытаний в автономном учебных экспериментов для каждого субъекта и записывать их сигналы мозга, полученные от системы ЭЭГ на протяжении всего этого процесса.
    ПРИМЕЧАНИЕ: этот процесс проводится только по впервые субъектов эксперимента, чтобы установить их SSVEP векторов признаков и обучить классификатор.
  2. Когда суд начнет, выберите один стимул в качестве цели случайным и отображения желтую стрелку над ним.
  3. 1 сек позже, мерцают четыре визуальные стимулы на разных частотах в пользовательском интерфейсе в течение 5 сек.
  4. Запрос объекта для фокусировки на выбранной цели стимулирования, сохраняя его / ее движение тела до минимума.
  5. После каждого испытания, дать подлежит 3 сек, чтобы расслабиться, а затем начать следующий судебный процесс.
  6. Когда все испытания закончены, читать сохраненные данные. Экстракта эпоха данных 3-сек будет анимации 2 сек и 5 сек после запуска, который выбирает стимул в качестве цели в каждом испытании.
  7. Рассчитайте плотность спектра мощности (PSD) из эпох данных с использованием данных в автономном режиме анализатора в скриптах MATLAB. Используйте алгоритм обработки, описанной в подробности ниже:
    1. Рассчитать канонический корреляционный анализ (ССА) коэффициенты данных многоканального ЭЭГ с эталонными данными. ОСС является многофакторной статистический метод используется для двух наборов данных, чтобы найти свой ​​основной корреляцию 13. Учитывая 3s сегмент многоканальный ЭЭГ данных Х и справочных данных Y той же длины, используйте CCA найти весовые векторы, Ш х и W у, чтобы максимизировать коэффициент корреляции ρ между X = X T W х и у = Y T Ш Щ. Установите справочные данные, чтобы быть периодические сигналы на определенных частотах стимулирования.
      /ftp_upload/53558/53558eq1.jpg "/>
      где F 1, F 2, F 3, F 4 являются художественные частоты четырех визуальных стимулов.
    2. Пространственно фильтровать данные многоканального ЭЭГ X с помощью вычисленные коэффициенты ОСО Ш х для получения одномерных отфильтрованных данных Х, которая имеет самое видное корреляцию с линейной комбинации базовых данных.
    3. Рассчитывают РЧР пространственно отфильтрованных х данных с использованием быстрого преобразования Фурье (FFT).
      figure-protocol-1
      где N БПФ размер выборки данных х и БПФ (х, N БПФ) возвращает преобразование N-точечное БПФ дискретного преобразования Фурье х.
    4. Нормализация PSD по отношению к его среднему значению между 3 и 30 Гц.
      figure-protocol-2
      где60; figure-protocol-3 обозначает среднее значение мощности спектра между 3 и 30 Гц.
  8. Калибровка параметров классификации для четырех частот стимулирования. Во-первых, наблюдать нормализованное PSD спектр, который соответствует его цели стимулирования и вручную настроить частоту с самым сильным PSD амплитудой, частотой функций. На основании частотной характеристики, разделить нормированные данные PSD на две группы: одна, полученных, когда соответствующий стимул выбран в качестве цели, а другой, полученных при выбраны нецелевые стимулы. Рассчитайте среднее значение каждой соответственно. Определить порог медианой двух средних значений классифицировать цель и нецелевых устанавливает 14.

3. Интернет обработки сигналов головного мозга

  1. Откройте процессор Интернет сигнала, как показано на рисунке 3, которая разработана бAsed на OpenViBE окружающей среды и сценариев MATLAB, на DPC для интернет-обработке сигналов головного мозга.
  2. Дважды щелкните сигнала окно приобретать и процесс, который отмечен красным цикла на рисунке 3, чтобы открыть окно настроек OpenViBE. Настройка параметров классификации для субъекта:. Установить частоту дискретизации в 1 кГц, установите длительность для БПФ как 3 сек, и установить функцию частоты по результатам автономного анализа, например, 4.667, 24, 15 и 20 Гц ,
  3. Нажмите кнопку начинает работать процессор Интернет сигнала, который обрабатывает данные в режиме реального времени, используя следующий алгоритм в три этапа.
  4. Во-первых, алгоритм получает данные ЭЭГ каналов Оз, O1, O2, Pz и CPZ системы ЭЭГ каждый 0.5s, и извлекает сегмент данных последних 3 сек для онлайн-обработки.
  5. Во-вторых, алгоритм обрабатывает сегмент данных 3-сек, используя алгоритмы, описанные в шаге 2.7, и рассчитывает в режиме реального времени PSD для КЛАССИФИния.
  6. В-третьих, алгоритм классифицирует мозговых моделей в соответствии с PSD амплитуд на четырех частотах функций. Когда амплитуда одной частоте художественного выше заданного порога, классифицировать стимул мерцающий в соответствующей частоте в качестве цели SSVEP.

4. Подключение гуманоидный робот

  1. Нажмите кнопку груди робота-гуманоида и ждать его, чтобы начать.
    ПРИМЕЧАНИЕ: этот процесс занимает примерно 1 мин и завершается, когда робот говорит "OGNAK GNOUK", а его кнопка Грудь становится белым.
  2. Установите его Wireless Fidelity (Wi-Fi) подключение к DPC 15.
  3. Откройте Робот запрограммирован контроллер в Visual C ++ скриптов на DPC. Контроллер получает результатов классификации от процессора сигналов Интернет через интерфейс виртуальной реальности периферийных сети (VRPN), переводит их в команды роботов и контролирует соответствующие поведения в humanoiд робот с помощью беспроводной связи.
  4. Настройка Robot Controller путем ввода IP-адреса робота в соответствии с его WiFi связи, определяя три набора роботов поведения, которые могут быть легко переключаться для выполнения трех различных задач, и настройке параметров выполнения этих поведений (например., Скорость ходьбы или расстояние), чтобы соответствовать требованиям задачи.
    ПРИМЕЧАНИЕ: более подробная информация об этих поведений описано в шагах 5.2.1, 5.3.1, 5.4.1 и.
  5. Нажмите кнопку Построить студии платформы Визуальный запустить Robot Controller.
  6. Откройте программу Choregraphe на SPC. Нажмите "Подключение к" кнопку, чтобы выскочить виджет Connection. Выберите робот управляется в соответствии с его IP-адрес, и дважды щелкните его значок для подключения к нему.
  7. Откройте видеомонитор из меню просмотра в строке меню Choregraphe, и переместите монитор к передней части пользовательского интерфейса для отображения живой отклик видео с камеры робота.
<р = класс "jove_title"> 5. Проведение замкнутому циклу контрольных экспериментах
  1. Запрос предмет для выполнения трех конкретных задач управления с обратной связью в пределах различных средах с целью оценки эффективности взаимодействия мозга робота.
    ПРИМЕЧАНИЕ: эти задачи, которые важны в робототехнических приложений, потому что они полезны в оказании помощи инвалидам и престарелым в повседневной жизни, нужно активировать различные поведения робота.
  2. Провести первую задачу управления с обратной связью для телеприсутствия контролировать робота-гуманоида с помощью сигналов мозга, чтобы идти через препятствия и нажать выключатель света, чтобы включить свет, как показано на рисунке 4.
    1. Для достижения первой задачи, управлять роботом поведения, которые кодируются с помощью четырех SSVEP стимулов, как: шаг вперед с фиксированной расстоянии 0,15 м, поворот налево с фиксированной радиан 0,3 рад, поворачивая направо с фиксированной радиан 0,3 рад, и нажатием переключателя, используя его правую руку.
      ПРИМЕЧАНИЕ: configuraПроцесс ция описано в шаге 4.4.
    2. Сообщить предмет цели задачи и четыре поведения, чтобы быть под контролем.
    3. Запустите робот контроллер, как в шагах 4.5-4.7, и начать эксперимент. Предоставить субъекту свободу воспринимать окружающую среду и принимать решения, основанные на обратной связи живого видео, и, чтобы активировать робота поведения, смотря на соответствующих стимулов.
      ПРИМЕЧАНИЕ: не инструкция или помощь не должно быть уделено теме, если в чрезвычайных ситуациях, например, робот не собирается сталкиваются с препятствием..
  3. Провести вторую задачу, чтобы TelePresence контролировать робота-гуманоида через мозговые сигналы, чтобы идти к лестнице после знака выхода, как показано на рисунке 5. При вступлении прохожих, попросить предмет для управления роботом, чтобы сказать "извините" и ждать прохожие, чтобы уступить дорогу.
    1. Управлять роботом поведения закодированные с помощью четырех SSVEP стимулов как: идти вперед continuouslу со скоростью 0,05 м / сек, левый поворот непрерывно со скоростью 0,1 рад / сек, повернув направо непрерывно со скоростью 0,1 рад / сек, а остановки всех пешеходных поведения.
    2. Переключите контроллер робота с функцией управления 16-поза зависит.
      ПРИМЕЧАНИЕ: когда робот идет, эта функция использует четвертый стимул, как и команда остановки пешеходные поведения; когда робот не ходить, он использует четвертый стимул для управления роботом, чтобы сказать "извините". Функция реализована в сценарии C ++ путем обнаружения состояния пешеходную робота.
    3. Сообщить предмет цели задачи и пять поведения, чтобы быть под контролем.
    4. Запустите робот контроллер и начать эксперимент, как описано в шаге 5.2.3.
  4. Провести третью задачу, чтобы TelePresence контролировать робота-гуманоида идти к цели воздушный шар, чтобы забрать его, и доставить его в руку субъекта, как показано на рисунке 6,
    1. Управлять роботом поведения закодированные с помощью четырех SSVEP стимулов, как: шаг вперед с фиксированной расстоянии 0,15 м, поворот налево с фиксированной радиан 0,3 рад, поворачивая направо с фиксированной радиан 0,3 рад, и, взяв объектов.
    2. Активируйте функцию управления поза-зависимое Робота контролера повторно четвертый стимул, как команды проставления объект, когда он уже был подобран.
    3. Сообщить предмет цели задачи и пять поведения, чтобы быть под контролем.
    4. Запустите робот контроллер и начать эксперимент, как описано в шаге 5.2.3.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Результаты, представленные здесь, были получены из мужской предметом исправив к нормальному версия. Рисунок 7 показывает процедуру обработки данных ЭЭГ, в том числе извлечения эпохи многоканальных данных (7А), пространственно фильтрации данных, используя коэффициенты ОСО (рис 7В) и вычисление нормализованной PSD (7С).

На рисунке 8 показан норм...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Эта статья представляет собой экспериментальную процедуру SSVEP основе создать систему взаимодействия мозга робота с человекоподобных роботов путем интеграции нескольких программ. Потому что человек намерен воспринимается интерпретации сигналов ЭЭГ в реальном времени, важно, чтобы убедиться, электродные соединения и качества сигналов ЭЭГ до проведения эксперимента. Если сигналы, полученные от всех электродов бедных качеств, необходимо проверить соединение сухопутных и электродов в первую очередь. Если есть проблемы с ча...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Авторам нечего раскрывать.

Благодарности

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Авторы хотели бы выразить свою благодарность г-ну Ху Hong за помощь в проведении экспериментов, представленные в этой статье. Эта работа была частично поддержана Национальным фондом естественных наук Китая (№ 61473207).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Cerebus Система сбора данных ЭЭГBlackrock Microsystems4176-9967
NAO гуманоидный роботAldebaran RoboticsH25
ЭЭГ шапочкаNeuroscan8732
Ten20 Проводящий гельWeaver and company10-20-8

Ссылки

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. McFarland, D. J., Wolpaw, J. R. Brain-Computer Interface Operation of Robotic and Prosthetic Devices. Computer. 41, 52-56 (2008).
  2. Lebedev, M. A., Nicolelis, M. A. Brain-machine interfaces: Past, present and future. Trends Neruosci. 29 (9), 536-546 (2006).
  3. Wolpaw, J. R., Birbaumer, N., McFarland, D. J., Pfurtscheller, G., Vaughan, T. M. Brain-computer interfaces for communication and control. Clin. Neurophysiol. 113, 767-791 (2002).
  4. Bell, C. J., Shenoy, P., Chalodhorn, R., Rao, R. P. Control of a humanoid robot by a noninvasive brain-computer interface in humans. J. Neural. Eng. 5, 214-220 (2008).
  5. Li, W., Li, M., Zhao, J. Control of humanoid robot via motion-onset visual evoked potentials. Front. Syst. Neurosci. 8, 247(2014).
  6. Regan, D. Some characteristics of average steady-state and transient responses evoked by modulated light. Electroencephalogr. Clin. Neurophysiol. 20, 238-248 (1966).
  7. Vialatte, F. B., Maurice, M., Dauwels, J., Cichocki, A. Steady-state visually evoked potentials: focus on essential paradigms and future perspectives. Prog. Neurobiol. 90, 418-438 (2010).
  8. Bin, G., Gao, X., Wang, Y., Li, Y., Hong, B., Gao, S. A high-speed BCI based on code modulation VEP. J. Neural. Eng. 8, 025015(2011).
  9. Sutton, S., Braren, M., Zubin, J., John, E. R. Evoked-potential correlates of stimulus uncertainty. Science. 150, 1187-1188 (1965).
  10. Pfurtscheller, G., Lopes da Silva, H. F. Event-related EEG/MEG synchronization and desynchronization: basic principles. Clin. Neurophysiol. 110, 1842-1857 (1999).
  11. Zhao, J., Meng, Q., Li, W., Li, M., Sun, F., Chen, G. OpenViBE-based brainwave control system for Cerebot. Proc. IEEE International Conference on Robotics and Biomimetics. , 1169-1174 (2013).
  12. Homan, R. W., Herman, J., Purdy, P. Cerebral location of international 10-20 system electrode placement. Electroencephalogr. Clin. Neurophysiol. 66, 376-382 (1987).
  13. Bin, G., Gao, X., Yan, Z., Hong, B., Gao, S. An online multi-channel SSVEP-based brain-computer interface using a canonical correlation analysis method. J. Neural. Eng. 6, 046002(2009).
  14. Wang, Y., Wang, R., Gao, X., Hong, B., Gao, S. A practical VEP-based brain-computer interface. IEEE Trans. Neural Syst. Rehabil. Eng. 14, 234-239 (2006).
  15. Setting NAO's WiFi connection - Aldebaran 2.1.3.3 documentation [Internet]. , Aldebaran Robotics Co. Available from: http://doc.aldebaran.com/2-1/nao/nao-connecting.html (2015).
  16. Chae, Y., Jeong, J., Jo, S. Toward brain-actuated humanoid robots: asynchronous direct control using an EEG-based BCI. IEEE T. Robot. 28, 1131-1144 (2012).
  17. Croft, R. J., Barry, R. J. Removal of ocular artifact from the EEG: a review. Neurophysiol. Clin. 30, 5-19 (2000).
  18. Hwang, H. J., Hwan Kim, D., Han, C. H., Im, C. H. A new dual-frequency stimulation method to increase the number of visual stimuli for multi-class SSVEP-based brain-computer interface (BCI). Brain Res. 1515, 66-77 (2013).
  19. Wang, M., Daly, I., Allison, B., Jin, J., Zhang, Y., Chen, L., Wang, X. A new hybrid BCI paradigm based on P300 and SSVEP. J Neurosci Methods. 244, 16-25 (2015).
  20. Allison, B. Z., Jin, J., Zhang, Y., Wang, X. A four-choice hybrid P300 SSVEP BCI for improved accuracy. Brain-Computer Interfaces. 1, 17-26 (2014).
  21. Pan, J. H., Xie, Q., Herman, Y., Wang, F., Di, H., Laureys, S., Yu, R., Li, Y. Detecting awareness in patients with disorders of consciousness using a hybrid brain-computer interface. J. Neural. Eng. 11, 056007(2014).
  22. Li, J., Ji, H., Cao, L., Zhang, D., Gu, R., Xia, B., Wu, Q. Evaluation and application of a hybrid brain computer interface for real wheelchair parallel control with multi-degree of freedom. Int J Neural Syst. 24, 1450014-14 (2014).
  23. Zhao, J., Meng, Q., Li, W., Li, M., Chen, G. SSVEP-based hierarchical architecture for control of a humanoid robot with mind. Proc. 11th World Congress on Intelligent Control and Automation. , 2401-2406 (2014).
  24. Zhu, D., Bieger, J., Molina, G. G., Aarts, R. M. A survey of stimulation methods used in SSVEP-based BCIs. Comput Intell Neurosci. 2010, 1-12 (2010).
  25. Muller-Putz, G. R., Scherer, R., Brauneis, C., Pfurtscheller, G. Steady-state visual evoked potential (SSVEP)-based communication: impact of harmonic frequency components. J Neural Eng. 2, 123-130 (2005).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

EEG Data AcquisitionClosed Loop ControlHumanoid Robot ControlOffline TrainingOnline Signal ProcessingCanonical Correlation AnalysisPower Spectral DensityVideo Feedback

Похожие статьи