一、研究背景和原理简介

为了实现对脑机接口系统的控制，受试者需要有意识地对自己的大脑信号进行控制，这些被动或主动的神经响应形成了不同的从而形成不同的脑电信号模式，主要分为下列两大类：诱发电位和对自发电位的控制。诱发电位记录的是神经系统对刺激本身产生的反应，如P300电位、N200电位、以及稳态视觉诱发电位(Steady state visual evoked potential, SSVEP)等。而对自发电位的控制，属于内生脑电，即受试者通过进行某种特定的思维活动从而自发产生的脑电信号，如与想象运动相关的电位；慢皮层电位(Slow cortical potential, SCP)等。

P300电位一般由Oddball范式来诱发。经典Oddball范式是指两种概率有很大差别的刺激以随机的形式施加于同一感觉通道上。一种刺激出现的概率很大，称为标准刺激；另一种刺激出现的概率很小或偶然出现，则称为偏差刺激。若当偏差刺激出现的瞬间，受试者就尽快做出如默数刺激出现次数之类的反应。在实验过程中，受试者需要关注偏差刺激，只要偏差刺激一出现就尽快做出反应（如默数出现次数等），此时，偏差剌激也称为靶刺激。只有将小概率出现的偏差刺激作为靶刺激，才能诱发P300电位。EEG脑信号在靶刺激呈现后300ms左右出现一个正向峰值，这就是P300电位。理论研究表明，靶刺激概率越小，P300电位的幅值越大，概率小于1/3，即能诱发出足够显著的P300电位。经过多次叠加后P300电位的波形会更加明显。

二、数据采集与处理算法

整个P300数据由基于Oddball范式的P300字符实验产生，实验过程如下：

实验过程由一名被试者完成，字符矩阵的显示周期为2.5s，在这个周期内，字符矩阵的每行或列均被随机地加亮一次（概率为1/6），加亮的持续时间为100ms，两次加亮之间的时间间隔为75ms：对于每个目标字符，受试者需连续重复进行15次实验，即要经历15个字符矩阵显示周期，因此对于一个目标字符，字符矩阵会进行12×15次加亮.在实验过程中，设备通过位于受试者脑部头皮上的64个采样电极，以240Hz的采样频率记录脑电信号。

以AAS010R01为例，加载数据后。根据数据中得Flashing矩阵可以确定字符矩阵闪烁的时间（采样频率为240Hz）。根据数据中的StimulusCode矩阵可以确定某时刻选定的行数（1~12）。数据中的signal矩阵为所采集的信号，列数表示采样的电极通道数，行数表示某一通道采样得到的信号。StimulusCode矩阵可以分为三部分，分别对应字母CAT。可以通过find命令找到StimulusCode矩阵中某一行对应的采样点位置，并且在signal矩阵中找到对应的目标信号区间。由于P300信号是在刺激发生后300~500ms之内发生的，本次仿真实验选择刺激发生后0~825ms的目标信号（目标信号对应的采样点个数为0.825×240=198）。

在实际应用中所获得的原始信号总伴随着自发脑电等随机噪声，因此必须采取措施消除或者抑制这些噪声。而总体累加平均为一种传统的并且有效的方法。对于每个目标字符，受试者需连续重复进行15次实验，所以将15次实验得到的目标信号取平均。P300信号以delta（0.5-4hz）脑波为主要贡献和theta(4-7.5hz)脑波响应的融合。所以再将所得的信号通过截止频率为8Hz的低通滤波器。为了更好的观测各个电极的效果，所以将采样得到的各电极信号分别输出（共64个电极通道）。

三、数据处理结果

1.AAS010R01数据（CAT）

字母C的行刺激P300波形（64个电极通道的P300波形）：

字母C的列刺激P300波形（64个电极通道的P300波形）：

2.AAS011R03数据（GLOVE）

字母G的行刺激P300波形（64个电极通道的P300波形）：

字母G的列刺激P300波形（64个电极通道的P300波形）：

结果图如上所示，得到64个电极通道的P300波形。各个电极效果不同，效果明显的电极可以看到明显的300ms延迟的P300信号，达到了仿真目的。

其他字母的结果图本文地方有限，故省略。

四、结论与总结

不同电极得到的P300信号的信号不同，前半部分的电极通道的效果比较好，后半部分电极通道的效果比较差。所以在分析和辨别P300信号时，只需要关注部分效果比较好的电极即可。

初步分析可能是由于被试的主观因素或者其他因素，某些字母的P300的信号并不是很明显,并且大部分字母的行刺激P300信号比列刺激P300信号更明显。对于相邻的数据来说，由于字符在字符矩阵当中比较接近，对于被试者来说可能会产生一定的干扰。

五、参考文献

[1]孟小飞. P300脑电信号的特征提取与分类研究[D].杭州电子科技大学,2020.

[2]薛仲林. 基于P300和SSVEP混合范式脑—机接口研究[D].天津职业技术师范大学,2017.

[3]张玉霞. 基于P300和SSVEP的混合型脑机接口的分析与研究[D].山东大学,2015.

[4]潘家辉. 基于P300和SSVEP的高性能脑机接口及其应用研究[D].华南理工大学,2014.

[5]许敏鹏,张力新,明东,綦宏志,陈龙,马岚,万柏坤.基于SSVEP阻断与P300特征的混合范式脑-机接口[J].电子学报,2013,41(11):2247-2251.

六、附录

源数据和源代码：

链接：https://pan.baidu.com/s/1cF27FwNOaKcfxjWgO_lnsA

提取码：7auk

【信号处理】脑机接口P300信号处理（MATLAB实现）相关推荐

Nature子刊 | 可应用于脑机接口的信号处理方法速度提高100倍
新技术如何工作的示意图,将信号转换为更具信息性的表示."简而言之,我们将以不同的眼光看待信号!" 目前,信号的频谱分析要么主要考虑速度-精度的权衡,要么忽略信号的非平稳特性.本文介 ...
脑机接口-常用的MATLAB函数
脑机接口常用函数(持续更新中) resample--信号降采样关于标签 resample–信号降采样 y=resample(x,250,1000); % 降采样率从从1000Hz降到250Hz, y ...
脑机接口应用和P300拼写器概述
一.概念简介脑机接口(BCI)系统是神经技术领域的一个部分,它将人类大脑的指令传递给计算机,在目前的研究领域中,BCI是发展最快的领域.脑机接口的应用领域包括了医学.教育.神经工效学.游戏娱乐等多个 ...
P300脑机接口及数据集处理
文章来源|CSDN网友pengchengIT授权分享在此非常感谢pengchengIT! 本篇文章主要介绍了P300脑机接口及数据集处理以及相关的数据集处理. P300是大脑认知过程中产生的一种事件 ...
脑机接口主流算法解析课程视频汇总
目录讲座1--SSVEP算法解析讲座2--ERP/P300算法解析讲座3--运动想象算法解析讲座4--情感脑机接口算法解析本分享为脑机学习者Rose整理发表于公众号:脑机接口社区 .QQ交流 ...
脑机接口系列课程（二） SSVEP介绍及相关软件的安装、实验范式的搭建
脑机接口系列课程(二) SSVEP介绍及相关软件的安装.实验范式的搭建导言:这是脑机接口系列课程的第二篇,也是SSVEP部分的第一节,介绍SSVEP相关知识和实验范式的搭建等,属于基础入门篇,文章靠 ...
B站脑机接口主流算法解析课程视频汇总
点击上面"脑机接口社区"关注我们更多技术干货第一时间送达脑机接口主流算法解析课程包括四场: 课程1:SSVEP算法解析课程2:ERP/P300算法解析课程3:运动想象算法解 ...
原创 | 脑机接口不断迎来重大突破，“思想钢印”还会远吗？
一.脑机接口发展正在走向高潮上个月,脑机接口领域再次迎来重大突破:使瘫痪者成功恢复运动能力,触觉准确率高达 90%. 4 月 23 日,<细胞>(Cell)杂志刊登了一篇来自美国俄亥俄州 ...
中美首份8000字长文解析全球热点脑机接口（重磅干货）
来源:硅谷密探摘要:"我们所想象的一切,都会变为现实." 如果说当今什么技术最接近科幻,那么一定是脑机接口. 脑机接口的研究已经实现了意识打字(1分钟之内平均输入39个字母),还 ...

【信号处理】脑机接口P300信号处理（MATLAB实现）