0.文献目录

0.1 综述型文献

• 非侵入式脑机接口控制策略的研究进展
• 非侵入式脑—机接口编解码技术研究进展

1.主要范式

介绍视频：清华大学 高小榕教授

1.1ERP事件相关电位

1.1.1P300

• 原理： 人脑对瞬间视觉刺激的反应
• 特点： 需要提前采集训练数据对系统进行矫正
• 举例： 行列键盘打字
• ITR： 20-50bit/min
• 优化方法：
  • 信号处理与模式识别方法
  • 刺激编码/刺激源的范式

1.1.2SSVEP稳态视觉诱发电位

• 原理： 人脑对固定频率视觉刺激反应的主要成分，是刺激频率的同频及倍频成分
• 特点： 无需训练，泛化能力强，适用于大部分人群
• 举例： 行列键盘打字
• ITR： 100-300bit/min

1.2MI运动想象

• 原理： 人脑想象不同部位运动的信号差异
• 特点： 无需外界刺激，完全依靠自发性脑活动 需要额外训练，适用人群小
• 举例： 机械臂控制

2.运动想象

教程视频：运动想象任务简介

运动想象是一种认知过程，想象你身体运动的一部分，而不实际移动身体的那个部分。它能够改变显性感觉运动区域的神经模式，接近实际运动执行。

2.1 原理

脑电图α和β频率对运动想象的影响最大。当人在头脑中想象某肢体运动时，α波和β波出现幅值上的衰减。 相反，若大脑没有进行运动想象任务，脑波α和脑波B频谱震荡的幅度会表现出明显的增强。 目前MI脑机接口使用较多的由想象左手运动、右手运动、腿部运动和舌部运动。

2.2信号处理

脑电信号处理流程：信号采集>>信号预处理>>特征提取>>分类识别>>控制命令>>反馈

2.2.1信号预处理

信号预处理主要指滤波，包括对信号进行时域、空域、频域等进行滤波，目的是减少信号中的伪迹与干扰，降低噪声对脑电信号的影响，提升与受试者思维活动任务相关的脑电信号的占比（即信噪比），以便进行后续分析。

2.2.2特征提取

对预处理的脑电信号进行时、空、频域的分析，将原始脑电信号不易被观察和检测的特征提取出来，以供分类器学习和分类， 特征提取法包括FFT（快速傅里叶）、小波变换以及功率谱估计等。当前最为广泛使用的算法为:CSP(共空间模型)、FBCSP(滤波器组共空间模式)和OVR-FBCSP(一对多的滤波器组共空间模式)、神经网络（？）

2.2.3分类识别

分析提取的信号特征进行分类器的构建，再使用分类器对不同类别的脑电信号进行分类，将其转化为控制命令输出给遥控器。 分类方法有KNN分类器、线性判别分类器Fisher分类器、支持向量机BP神经网络等。当然，现在主流是使用CNN模型进行分类，另外，encoderdecoder框架也被用于BCI的分类。

2.3波段

2.4电极定位

国际10-20标准化电极系统中的脑电图电极有22个，其中各个电极位置如下图所示：

区域	功能
P	视觉
C	运动
F	注意力