《基于便携式脑电信号采集器的脑-机器人交互系统-支丹阳.pdf》由会员分享，可在线阅读，更多相关《基于便携式脑电信号采集器的脑-机器人交互系统-支丹阳.pdf（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第30卷第5期 电子测量与仪器学报 f30o5。毛磅4。 10URNAL oF ELECTRoNlC MEASUREMENT A礴D l烈STRUMENTA|oN 2Q、6年s其DOI：1013382jjemi201605005基于便携式脑电信号采集器的脑机器人交互系统支丹阳1 杜秀兰1 赵 靖1 吴正平2 李 伟13(1天津大学电气与自动化工程学院天津300072；2三江大学工程教育学院南京210000；3加州州立大学贝克斯菲尔德分校计算机科学与电子工程系 贝克斯菲尔德93311)术摘要：针对现有高精度脑电信号采集设备体积笨重、成本高、无法普及的问题，开发了便携低成本的多通道脑电信号采集器，
2、并以可编程可定制的乐高机器人为应用实例，搭建了集注意力训练、教育、娱乐于一体的脑一机器人交互系统。脑电信号采集器内置锂电池，体积为65 mm40 IIlIn21 mm，重约60 g，以无线方式传输信号。在此基础上，结合典型相关分析(canonical coelation analysis，CCA)与快速傅里叶变换(fast Fourier tTansfomation，F丌)，提出了基于CCA一耽FFT的ssVEP特征提取算法，对采集器信号进行分析，以确保对机器人的精确控制。10名被试的测试结果表明，本系统获得了与高精度EEG设备相近的信号特征和控制准确率(926vs 941)。这一脑-机器人交
3、互系统极大地降低了系统开发的成本，方便携带，易于扩展，对脑控的普及具有重要的应用价值。关键词：便携式；脑电信号采集器；脑一机器人交互系统；ccA权重系数；注意力中图分类号：TP3914；TN9117 文献标识码：A 国家标准学科分类代码：3lO6lBrain-robot interaction system b嬲ed on portable brain signal coectorZhi Danyan91 Du Xiulanl Zhao Jin91 Wu Zhengpin92 Li Weil，3(1。 School of Electrical Engineering and Automaion
4、，Tianjin UniveTsity，Tianjin 300072，China；2School of Engineering Education，Sanjiang University，Nanjing 2l o()00，China；3Department 0fComputer&Elect而cal Engineering afld Science，Califomia State University，Bakersfield CA 933 1 1，USA)Abstract：Most of the existing highprecision EEG acquis“ion systems lie
5、in their volume and heaviness as well ashigh cost，which restct their widespread applications In this paper，a low-cost portable multichannel brain signalcollector is designed and a bminrobot interaction system for attention tmining， education and entertainment isestablished by combining a programmabl
6、e and customized Lego robotThe brain signal c01lector powered by lithiumbattery is only 65 mm40 mm2 1 mm in V01ume and 60 g in weight， and tmnsmits signals wirelessly Inaddition，this p印er proposes theteatuIextraction algorithm CCA-W乞一FFT based on the canonical coelationanalysis(CCA)and the fast Foud
7、er transfo彻ation(FFT)for the analysis of steadystate visual evoked potential(SSVEP)data and the precise control of the mbot The expe打mental Iesults of ten subjects demonstrate that thedeVeloped brain signal collector deliVers comparable signal characteristics and accuracy(926 vs 941)withthe highprec
8、ision EEG equipmentThe brainmbot interaction system based on the proposed collector and the Legorobot has the adVantages of low cost， conVenient portability and easy expanding， so it is important to promote itspopularization and pmcticabilityKeywords： portable； brain signal collector； brain-robot in
9、teraction system； weight coemcients of CCA；mPntal PnnPPntr开tinn收稿日期：201601 Received Date：2016旬1。基金项目：国家自然科学基金(61473207)资助项目万方数据第5期 基于便携式脑电信号采集器的脑机器人交互系统 6951 引 言脑-机接口(braincomputer inte出ee，BCI)是指独立于人的神经和肌肉，依靠脑电信号，形成的与外界环境的交流通道，脑一机器人交互系统是在脑机接口基础上发展起来的一种人机融合控制系统。3 o。该系统最初服务于医疗康复领域，具有行动障碍的病人可以通过意念直接控制轮
10、椅或者机器人完成各种日常护理和康复训练任务4引。在教育领域，注意力不集中的人群，尤其是多动症患者也可以通过交互系统进行神经反馈训练，来提高专注程度和学习水平：Hardt等人旧。在1968年提出神经反馈治疗法，通过训练d波达到缓解用户精神压力的效果；Lubar等人一。在1975年对患有注意力欠缺症和多动症的数百名儿童进行了神经反馈治疗，显著提高了患者的精神状态和才智表现；BrainTech公司在2001年研发了世界首部携带式神经反馈系统NEuROHARMONY，开创了大脑教育普及的新篇章。同时，脑机器人交互系统在娱乐领域也得到了巨大发展。PuzzleBox公司在2012年研制出一种全新的玩具直升
11、机一Orbit，使用户在通过脑电波对其进行控制的过程中调整和控制了自己的情绪。脑机器人交互系统不仅可以用于辅助日常生活、丰富生活乐趣，同时可以极大地提高注意力的集中程度，对改善教育效果和自闭症的康复都具有重要意义。然而，脑一机器人交互系统在向康复中心、教育机构和家庭的普及使用过程中，受到一定的局限。首先，对脑电信号采集设备而言，科研级产品价格高昂，重量较大，难以得到广泛应用；而商品级产品的测量精度较低，提供的可识别脑电模态较少，容易使用户因无法准确地与机器人进行交互而失去兴趣。其次，对交互设备而言，现有产品大都集成度较高且结构固定，用户无法对其形态和功能进行自由开发。为此，本文提出了一种集注意
12、力训练、教育、娱乐一体的低成本便携式脑机器人交互系统的设计实现方法，以推进交互系统的普适性。本文开发的脑机器人交互系统由便携式多通道的脑电信号采集器、高鲁棒性的脑电信号分析程序和可自由改装的产品化乐高机器人三部分组成。本文通过优化电路结构和高性能的功能器件，使脑电信号采集器具有易携带、低成本和高采样精度等优点。本文以稳态视觉诱发(steadystate visualevoked potential，SSVEP)模式为例，SSVEP的视觉诱发界面要求用户将注意力集中于某个视觉激励来产生特定的脑电模态，进而进行机器人的控制，基于典型相关分析(canonical coelation anaIysis
13、，CCA)权重系数进行通道拟合并结合快速傅里叶变换(fastFouIiert砌sfo珊ation，FFr)提出了CCA-W。一FFI特征提取算法，相较最常用的CCA相关系数特征提取算法，平均准确率提高了近15，确保了脑机器人交互系统的控制精度。乐高机器人具有积木组件的构造方式，可自由组装为多种形态和功能的机器人，如移动机器人、机械臂、多足动物机器人和人形机器人等，已广泛应用于学校、家庭等教育娱乐方向。本文基于此系统设计了脑控小车避障实验，系统准确地辨识用户的脑电模态并输出对应的控制意图实现避障，激发用户对脑一机器人交互的兴趣，进而进一步提高其对视觉激励的注意力。交互过程中，用户需要调整大脑状态
14、来提高人机交互的效果，这种方式对于缓解和治疗以注意力不集中为主要表现的多动症，都将具有重要的价值。2 系统结构设计系统结构框图如图l所示，包括3个部分，分别是脑电信号采集器、脑电信号分析程序和乐高机器人。21脑电信号采集器本文自主开发一款新型的脑电信号采集器，采集器包含采集端和接收端2个部分，采集端体积是65 mm40 mm21 mm，约重60 g，能够以500 Hz的采样率同时测量8个通道的脑电信号数据。作为电极帽与电脑间信号预处理与信号传递的桥梁，采集器的采集端与电极帽接口相连，用于对脑电模拟信号进行采集、模数转换、无线射频发送，接收端通过电脑的USB口接入，用于将采样后的数字信号传输给电
15、脑，以便对脑电信息进行处理和解码旧母J。图2描述了采集端硬件原理框图，主要包括系统供电模块、高共模抑制比的模拟前端、24位结构的AD转换器和数字采集滤波器、基于ConexM3架构的ARM处理器和无线射频模块。这一设计结构简单，而且能够实现较高的采样精度。万方数据696 电子测量与仪器学报 第30卷图l 系统结构框图Fig1 Block diagram of system stmcture蓊预再磊杂环境噪声的应用场所中可靠运行。戮H燕帐磊惭瓣电路及PGA卜_叫转换器卜_I Z：=：卜11甚：兰模拟放大l l数字滤波器l I竺兰兰竺I I：竺：竺：!图2采集端硬件结构框图Fig2 Block di
16、a铲am of hardwarestlllcture of collector采集器由独立的可充电锂电池供电，避免了由交流电供电带来的电力线工频干扰的影响。电源模块设计充分考虑了电源可靠性、稳定性等性能指标，选用Linear Technology公司的低噪声线性稳压器件LTl763和负输出开关稳压芯片LTl614。这两款芯片都允许使用小型电感器和电容器，极大地节省了电路空间，为本文中便携式系统的设计提供了小型化和低成本的电源管理解决方案。模拟前端模块的设计要求具有较高的输人阻抗和共模抑制比，并且通道间信号的一致性不高于01。本设计所采用的原理框图如图3所示，主要包括多通道复用电路和可编程增益放
17、大电路(pmgmmmable gain amplifier，PGA)。灵活的多路复用电路为模拟前端提供了良好的自校验和定标功能，电路中可以选择任一通道或同时选择多个通道作为实测对象的参考偏置。应用低噪声7档PGA，可以实现由信号大小来确定不同的信号放大倍数，相较传统放大器，本设计在系统的输入范围和灵活性上有了较大的提高，且最高增益仅为24倍，即使在较大的噪声背景下信号也不容易发生饱和。在报告厅和体育馆进行的成功现场演示表明，该系统可以在家庭、学校等具有恶劣电磁干扰和复图3模拟前端模块的多路复用和信号放大原理Fig3 Schematic diagram of multiplexing andsi
18、gnal amplification模数转换模块选用ADSl298芯片，该芯片为24位一ADC，最低分辨电压可以达到014斗V。调制器基于过采样技术，可把更多的量化噪声压缩到基本频带以外的高频区，数字抽取滤波器由采样速率可变的三阶sin滤波器组成，可有效降低高频区噪声。微处理器单元采用以CortexM3为内核的STM32F103VET6 ARM处理器，具有高性能、低成本等优点，同时因其低功耗的32位精简指令，快速运算能力和实时性，已在各类医疗和手持设备中获得了广泛的应用。通过STM32的SPI接口可以灵活方便的对NRF24L01无线射频芯片进行配置，该射频芯片工作于24 GHz的ISM频段，具
19、有高达2 Mbps的传输速度和较低的收发电流。e国厂I，、llL成一别万方数据第5期 基于便携式脑电信号采集器的脑机器人交互系统22脑电信号分析程序本部分依托电脑进行信号分析，在LabVIEw编程环境下，对脑电数据进行波形显示、特征提取及分类和控制指令的转换操作。程序主要包含3个部分，首先是通信设置和信号接收，在LabVIEw编程环境下，程序首先通过子函数find comvi查找脑电信号采集器连接到主机上的串口，确认通信并设置串口参数，其中波特率设置为256 000，8位数据位，l位停止位。启动数据接收功能，读取采集器发送的8通道500 Hz采样数据并通过LabVIEW数据显示控件，将接收到的
20、脑电数据波形显示在程序前面板上，如图4中所示，前4个通道为连通通道。同时，可以通过子函数savevi，将脑电信号数据保存在指定的文本文档中。根据不同的脑电模态，可以编写相应的特征提取和分类算法0|，本文以对SSVEP模式为例，在第3节中对SSVEP信号的特征提取及分类算法进行了详细介绍。最后，程序将分类结果转换为相应的机器人行为控制指令。t)0=3452 052 l】034 52 50|I 肿：34S300 l：10 34：酆500 00+34154 fI呻00：34：54 500图4前面板信号波形图Fig4 Signal waVef0珊in fIront panel23乐高机器人本文选用85
21、47型号乐高机器人作为被控对象，它是2006年由乐高公司发行的新一代蓝牙机器人，因其适中的价格和可定制、可编程特性，已经广泛应用于教育和娱乐领域，成为了不同年龄段用户喜爱的机器人产品。该机器人的独特之处在于和传统的乐高积木一样，用户可以自主发挥创意，搭建各种功能的机器人模型，在思考搭建机器人和编写控制程序的创造性学习过程中，不断地锻炼动手能力，激发创新力。图5中展示了3种简单的机器人设计，从左到右分别为轮带式小车、爬行动物鳄鱼和移动机械臂。通过人机交互的控制，配备多种功能传感器的不同形态的机器人可以应用到简单的生活辅助、避障搜寻和教育娱乐等诸多方面。图5 乐高机器人设计F培5 The desi
22、gn of Lego robot3 针对SSVEP模式的特征提取算法31 SSVEP模式SSVEP是一种由固定频率的视觉刺激诱发的脑电信号模式，当受到固定频率的视觉刺激时，人大脑视觉皮层会产生连续的与刺激频率(基频或倍频)相关的响应1”。其视觉诱发界面要求用户将注意力集中于某个视觉激励从而产生特定的脑电模态，应用该模式可以进行机器人控制的交互，并通过诱发训练提高注意力的集中程度。32 CCA-W。-FFT算法在SSVEP模式研究中，最常用到典型相关分析(CCA)对这个响应进行特征提取41 5|。ccA算法研究两组变量之间整体相关性，是一种用于信号预处理和特征提取的空间滤波算法。通过cCA算法，
23、可以得到2组变量x，y的典型权重系数耽，矾，从而使得线性组合后的变量间具有最大的典型相关系数p。当前研究大都根据CcA算法的典型相关系数p构建特征向量对ssVEP信号的特征模态进行分类4。5|，本文中将这种算法称为ccAp算法。这种算法可以适用于多通道信号的运算，但只能得到几个特定频率的相关系数特征，并且需要根据目标频率个数，做相应次数的ccA运算，极为耗时。为此，本文基于ccA权重系数进行通道拟合并结合FFr提出ccAw。一FFT算法，算法框图如万方数据698 电子测量与仪器学报 第30卷图6所示。图6 CcA一耽一FFll算法框图Fig6 Block diagram of CCA一耽一FF
24、T algorithm定义多导联的ssVEPs信号为变量组z：式中：c口肌ef。代表第i个通道的信号，共m个通道。构造参考信号y为与刺激频率Z相关的正余弦信号构成的多维信号y=sin(21T凡Z)cos(2订n正)sin(21TnZ)cos(21T乃Z)(2)L J式中：n，为针对每个目标频率响应最强的谐波序号，当有多个谐波成分响应强烈时，可在参考信号中加人多个相应的正余弦信号。运用式(3)对脑电信号戈和参考信号y做ccA运算，使其变量u=矽z和y=1眵具有最大相关系数。 ma印(u，y)：-=兰鬯坠：旷， E矿uE矿yE州叫1眠 E妒z工眠EwT如帆其中一维信号u作为m个通道脑电信号的线性组
25、合，包含有各通道的SSVEP特征信息，同时与参考信号之间具有的整体相关性最大，这也使得这一信号之中的目标频率成分得到了加强，而其他无关频率成分得到了弱化，起到了提高信噪比的作用。采用FFT算法计算数据U的功率谱密度：P(山)=I FFT(U，)I 2 (4)式中：为进行FFll变换的数据长度，FFT(戈，)返回的是点数据的傅里叶变换。为了减小头部晃动等情况下产生的干扰伪迹的影响，取尸(山)在4340 Hz的能量均值P作为除数，对每个目标频率处的能量进行修正从而构成特征向量p。p：p，最后采用Fisher分类器对特征进行分类。4 性能评估本文首先使用科研级的cerebus神经信号采集系统作为对比
26、，对本文开发的系统在信号质量和特征分类效果上进行评价。Cerebus神经信号采集系统是一个用于记录、处理和显示神经信号的专业高精度的多通道系统，在实验室研究中有广泛的应用6。17 J。在此基础上，本文还对比了CCAp和ccA一矿FFT两种算法在SSVEP特征分类上的准确率。本实验共邀请了10位被试参与，年龄在2326岁，裸眼视力或矫正视力良好。被试坐于显示器前的椅子上，与显示器距离大约60 cm。实验中，设置3个刺激频率，分别为461 Hz、20 Hz和15 Hz，显示器上以3张图片相应固定频率的闪烁来呈现视觉诱发界面。作为对比的两系统采样频率都设置为500 Hz，使用基于“国际10-20系统
27、”制造的64通道电极帽，信号连通通道都设置为01，02，Oz和POz。每位被试需要先使用本文开发的便携式系统进行90次测试，之后再用cerebus系统进行90次测试。每次测试中需要按照系统要求注视相应的闪烁图片，系统将对此时诱发产生的脑电信号进行分类，从而统计和对比两个系统和两种算法在交互系统中的工作性能。实验流程由天津医科大学总医院伦理审查委员会审查通过，所有被试在参与实验前都已签署书面知情同意书。41 脑电信号采集系统的性能对比表l为应用CCA眵FFT算法计算出的2个系统的目标频率特征，从表中可以看出，同一被试对于不同的刺激频率会有不同强度的脑电响应，而针对同一目标频率，不同被试的频率特征
28、也存在一定的差异，这一结果体现了脑电研究中的个体差异问题，与生理学和认知心理学的研究结论一致。同时，使用两系统测得的3个目标的平均频率特征都超过了8，说明测量信号中都存在较为明显的SSVEP特征，而2个系统之间的对比也体现出了较为相似的信号特征。万方数据第5期 基于便携式脑电信号采集器的脑一机器人交互系统 699表2列出了分别使用CCAp和CCA形。FFT两种算法得到的本系统和Cerebus系统的分类正确率。实验结果表明不论是哪种算法，本文中开发的低成本便携式脑电采集系统都达到了与科研级高精度的Cerebus采集设备十分接近的正确率效果，说明了本系统在兼顾低成本开发、紧凑电路空间设计的同时，保
29、持了优异的性能。表2两种算法下两系统的分类正确率Table 2 ClassmtiOn孔c盯神y of two Systems intwo algorithms ()42算法对比CCA巾算法需要根据每个目标频率分别构建参考信号，并进行相应次数的cCA分析，这样当目标频率个数较多时，算法的处理速度会被严重的拖慢。而CCA职一FFT算法，无论目标频率个数的多少，只需进行一次CCA分析，加之FFI运算速度很快，总体耗时会较短。在3个目标频率的情况下，CCA节算法耗时11 ms，而ccAEFFT算法只需08 ms，缩短了近28。当目标频率的个数增加时，ccA一耽一Fn算法在计算时间上的优势会进一步扩大，
30、这为后续研究中算法在便携处理设备上的移植提供了运算资源和处理速度上的优势。表2中也列出了两种特征提取算法分别应用到本文提出系统和Cerebus系统的正确率对比数据。从表中可以看出，相较常用的CCA-p算法，无论是应用于高精度的Cerebus系统，还是便携式的采集系统，本文提出的ccAEFFT算法都有更好的分类效果，平均分类准确提升了近15。5 避障任务针对交互系统更为普及的应用，本文设置了典型的避障任务，如图7所示，被试需根据视频反馈通过诱发相应的sSVEP信号来控制乐高小车避开障碍物到达终点。操作过程中，被试需要集中注意力到相应的闪烁激励上，以此诱发明显的SSVEP信号，专注力的提升能够有效
31、提高实验的完成效果。此外被试还需要根据系统的实时分类结果来不断调整自己的大脑和心理状态，同时根据机器人对每个指令的执行结果实时规划和调整机器人的图7避障任务中的视频反馈画面及实验场景Fig7 Video fbedback and experimental scenein obstacle avoidance万方数据电子测量与仪器学报 第30卷行走路线，以达到更好的任务完成效果。因此，通过这类神经反馈训练任务，可以激发用户对脑一机器人交互的兴趣，一定程度上锻炼专注力，改善大脑和心理调节能力，以及提高大脑快速思维和空间规划能力。为了方便在表3和图8中进行描述，将本文开发的便携式系统称为“系统l”，
32、Cerebus系统为“系统2”。表3中列出了各被试在3次避障任务中的平均用时和平均碰撞次数。图8描述了不同次测试中所有被试的平均用时和平均碰撞次数。由表3和图8的结果可以看出，两系统的平均用时和平均碰撞次数结果非常接近。此外，图8显示了随着训练测试的增加，测试平均用时和碰撞次数逐渐下降，这3次测试结果的变化趋势也说明了被试对整个实验流程更加熟悉，控制效果越来越好，注意力得到了锻炼。表3各被试的测试平均结果Table 3 Test average resIlIts of蛐bjects6 结 论针对脑控系统在全面普及过程中遇到的问题，本文开发了一款便携式低成本的多通道脑电采集图8各次测试的平均结果
33、Fig8 Average results of each test器，并结合可编程可定制的乐高机器人，设计了可广泛应用于教育、娱乐的脑一机器人交互系统，同时，本文以SSVEP模式为例，提出了CCAEFFT特征提取算法。10名被试离线性能评估和在线避障任务的实验结果表明，该交互系统可以获得与科研级高精度EEG设备相近的信号特征和分类效果，而且相对于最常用的CCA相关系数特征提取算法，本文提出的CCA一耽一FFT算法有更快的处理速度和更好的分类效果。本系统不仅可以通过对乐高机器人的组装锻炼动手能力和想象力，而且可以通过一些注意力训练任务，提高专注程度，对改善自闭症和多动症也有重要意义。在后续研究中
34、，我们将会邀请更多的被试参与训练任务，采用心理学方法对被试的专注度和自闭症程度进行测量，从而评估该系统在教育领域的效果；此外，我们将把ccA一职一FFT算法移植到脑电采集器的嵌入式处理器中，进而实现整个系统的小型化和便携化。参考文献1 w0LPAw J R，BIRBAuMER N，HEETDERKs w J，23et a1 Bmincomputer interface technology：A review ofthe 6rst intemational meetingJ IEEE Transactions0n Rehabilitation En舀nee而ng，2000，8(2)：164173
35、ORTIZROSARl0 A， ADEU H Braincomputerinte如ce technolo矛es：Fmm sigIlal to actionJReviews in the Neurosciences，2013，24(5)：537-552赵丽，董燕丽，郭旭宏仅波和运动想象的混合范式脑一机接口系统J电子测量与仪器学报，2014，28(6)：625_629ZHA0 LDONG Y LGUO X H仪Wave粕d motor万方数据第5期 基于便携式脑电信号采集器的脑。机器人交互系统 701imagery mixedparadigm BCI systemJJoumal ofElectmn
36、ic Measurement and Instmmentation 201428(6)：6256294王行愚，金晶，张宇，等脑控：基于脑机接口的人机融合控制J自动化学报，2013，39(3)：208221WANG X Y，JIN J，ZHANG Y，et a1The manmachine integration control based on BcIJ ActaAutomatica Sinica，2013，39(3)：208-2215 PFuRTSCHELLER G，GuGER c，MnLLER G，et a1Brain oscillations control hand orthosis
37、in atetraple百cJNeuroscience Letters，2000，292(3)：2112146 HARDT J V， KAMIYA J Am【iety change thmughelectroencephalographic alpha feedback seen only inhigh anxiety subjectsJscience，1978，201(4350)：79817 LuBAR J F，SH0uSE M N， EEG and behavioralchanges in a hyperkine“c child concurInt、订th trainingof the s
38、enso打motor rhythm (SMR)J AppliedPsychophysi0109y and Biofeedback Joumal， 1976，1(3)：2933068 黄政钦，孙静，张丽娜等心音、心电采集系统设计与信号预处理J电子测量技术，2014，37(9)：117121HUANG ZH Q， SUN J， ZHANG L N， et a1Acquisition system des培n and signal preprocessing ofheart sounds and ECGJ Electronic MeasurementTechn0109)r，2014，37(9)：11
39、71219 张淑梅基于ARM+FPGA的高精度数据采集系统设计J国外电子测量技术，2014，33(11)：6265ZHANG SH MHigh precision data acquisition systemdesign based on ARM and FPGAJ ForeignElectronic Measurement Technology，2014，33(11)：62-6510黄璐，王宏单导联脑电信号P300分类研究J仪器仪表学报，2叭4，35(4)：814819HUANG L，WANG HClassi6cation research of singlechannel P300J 1
40、Chinese Jo岫al of Scienti6cInstmment，2014，35(4)：81481911REGAN Dsome characteristics of average steady-stat8and transient responses evoked by modulated lightJElectroencephalogmphy Clinical Neurophysiology，1966，20(3)：238-248，12zHA0 J，u w，u McomparatiVe study of SSVEP-and P300_based models for theelep瞄e
41、nce confol ofh咖oid mbotsJPI岱oNE，2015，10(11)：e0142168ZHAO J， LI W， MAO X et a1 SSVEP-basedexperimental procedure for brainrobot interaction withhumanoid robotsJ Joumal of visualizedExperiments，2015(105)：e5355819。BIN G，GAO X，YAN Z，et a1An online multichannel SSVEP-baSed braincompuer inle如ce using acan
42、onical coelation analysis method J I Joumal ofNeural En舀neering，2009，6(4)：177l一1779笪铖璐，陈志阳，黄丽亚基于CCA的ssVEP性能研究J计算机技术与发展，2015，25(5)：5255DA CH L，CHEN ZH Y，HUANG L Y SSVEPperfb咖ance analysis based on ccAJ computerTechnology and DeVel叩ment，2015，25(5)：5255LI W，LI Y，CHEN G，et a1Acquing neural signalsfbr de
43、veloping a perception and cognition modelcPmceedings of SPIE-The Intemational Society forOptical En百neering，2012：83850I-83850I-9LI M，U W，ZHOU HIncreasing N200 poten“als viavisual stimulus depicting humanoid robot behaViorJIntemational Joumal of Neural Systems， 2015，25(8)：155039作者简介支丹阳，1991年出生，2014年于
44、山东大学(威海)获得学士学位，现于天津大学就读硕士研究生，主要研究方向为脑一机接口和信号处理。E一眦il：zhidanyangtjueducnZIIi Danyang waLs bom in 199 l，graduated f而mShandong University，MSccandidate in Tianjin UniversityThe research interests include bminrobot interface and signalpmcessingE一眦il：zhidanyangtjueducn李伟(通讯作者)，1957年出生，现任加州州立大学贝克斯菲尔德分校计算机系
45、电气工程与计算机科学学院教授和天津大学电气与自动化工程学院教授，主要研究方向为仿人机器人的意念控制，化学羽流追踪，智能系统设计。Email：wlicsubeduLi Wei (Co盯esponding author) was bom in 1957，professor in Califomia State University and Tianjin UniVersityThe main research deriction is mind control of humanoid robotchemical plume tracking and intelligent system designEmajl：wlicsubedu1J1IJ1J1J1JnM巧怕rLrlrlrlrL万方数据