专利名称：基于hht高频组合编码稳态视觉诱发电位脑机接口方法脑-机接口是基于脑电信号实现大脑和计算机或其他电子设备直接交流通讯和 控制的系统。脑-机接口(BCI)作为人-机接口(Human-computer interface，简称HCI)中 的一种，由于不依赖常规的大脑输出通路，为人的大脑开辟了一条全新的与外界进行信息 交流和控制的途径，使得利用人脑信号直接控制外部设备的想法成为可能。近年来，脑-机 接口(BCI)技术发展非常迅速，已经在生物医学、虚拟现实、游戏娱乐、康复工程以及航天、 军事等领域体现出重要的价值。稳态视觉诱发电(SteadyState Visually Evoked Potential, SSVEP)是大脑视 觉系统对外部持续周期性视觉刺激的响应，是脑-机接口 BCI系统中常用的输入信号，相比 P300、事件相关同步、自发脑电等信号，稳态视觉诱发电位(SSVEP)由于具有操作简单、记 录电极少、训练时间短、信息传输率高及抗干扰能力强等优点，是BCI系统中具有广泛应用 前景和应用价值的重要研究范式。但目前一般的SSVEP-BCI系统常规采用6 25Hz的低频段，基本都采用一个任务 用一个频率表示的简单范式；而由于频率分辨率及屏幕刷新率的限制，在有限的频带范围 内使得可呈现的任务目标数有限；另外，在实际应用中，低频段SSVEP的低频闪烁刺激容易 使受试者产生视觉疲劳，甚至存在诱发受试者癫痫发作的可能，因此无法保证系统长时间 使用的舒适性。高频SSVEP已经接近人眼的光驱动临界频率，一般频率范围可达30 60Hz或更 高，与低频不同的是高频刺激会产生闪烁熔合(flicker fusion)效应，使用者主观上已经 感觉不到闪烁，但在脑电中仍可检测到SSVEP的高频响应，这样就大大降低了视觉疲劳和 诱发癫痫的可能性，实现了无损；同时，虽然高频SSVEP幅度较低，该频段内背景脑电的幅 度也很低，因此高频SSVEP仍然具有一定的信噪比，保障了刺激响应信号的基本辨识准确 率。希尔伯特-黄变换(Hilbert-Huang Transform,HHT)是一种自适应的信号处理方 法，非常适合处理非线性、非平稳信号。这种方法包括两个过程经验模式分解(empirical mode decomposition, EMD)和 Hilbert 变换(Hilbert Transform，HT)，其中最关键的部分 是EMD方法，EMD方法基于信号的局部特征时间尺度，能把复杂信号分解为本征模式函数 (Intrinsic Mode Functions, IMF)之和，每一个IMF所包含的频率成分不仅与分析频率有 关，而且最重要的是随信号本身变化而变化，因此，HHT方法非常适合处理非平稳、非线性的 脑电信号。
为了克服上述现有技术的缺点，本发明提供了基于HHT高频组合编码稳态视觉诱 发电位脑机接口方法，在传统SSVEP简单刺激模式基础上提出了基于高频时序组合编码 SSVEP范式，并针对变频组合编码信号的时序特征提出基于HHT特征提取方法，具有操作简 单、电极数目少和目标数多的优点。为了达到上述目的，本发明采取的技术方案为基于HHT高频组合编码稳态视觉诱发电位脑机接口方法，包括以下步骤步骤1，在受试者头部D的枕区Oz位置安放测量电极A，在受试者头部D的单侧耳 垂位置安放参考电极B，在受试者头部D的前额部Fpz位置安放地电极C，测量电极A的输 出端接入脑电放大器E的第一输入端E1，参考电极B的输出端接入脑电放大器E的第二输 入端E2，地电极C的输出端接入脑电放大器E的第三输入端E3，脑电放大器E的输出端和 计算机F的输入端相连，计算机F的输出端和计算机屏幕G连接；步骤2，在SSVEP响应高频段，即闪烁频率高于25Hz，选择η个刺激频率，η为大于 1的整数，将η个刺激频率经时序排列组合形成的ηη个刺激序列通过计算机屏幕G呈现在 受试者面前，并对刺激序列编码形成编码库；步骤3，受试者注视步骤2的高频时序组合编码刺激序列时，通过步骤1连接的脑 电信号采集系统获得脑电信号，并采用基于希尔伯特-黄变换(HHT)的变频脑电信号特征 提取方法实现脑电信号的特征提取，具体步骤如下 对采集到的脑电数据进行叠加平均，提高信噪比，得到预处理的脑电数据； 利用带通滤波对预处理的脑电数据进行带通滤波，得到滤波后的脑电数据； 采用EMD方法对滤波后的脑电数据进行分解；在使用EMD方法时，针对端点问题，采用边界预测法，边界预测法确定的极值计算 公式如下极值=MAX {I端点值I，I 一阶近似点I}针对停止准则问题，采用固定筛选次数，EMD算法是一个筛选的过程，筛选的数学 公式如下基于HHT高频组合编码稳态视觉诱发电位脑机接口方法，先进行硬件连接，再通过n个高频刺激频率经时序排列组合形成的nn个刺激序列表示不同目标，并对刺激序列编码形成编码库，然后采用基于希尔伯特-黄变换(Hilbert-Huang Transform，HHT)的变频脑电信号特征提取方法提取脑电数据特征，并得到脑电数据的Hilbert时-频图，最后使用局部频谱极值目标辨识方法，通过提取的脑电数据特征与编码库比较来实现量化目标识别正确率。本发明具有操作简单、电极数目少、目标数目多、减少受试者疲劳和降低了诱发受试者癫痫可能的优点。