22、诱发电位脑机接口信号处理基础指南

诱发电位脑机接口信号处理基础指南

1. 引言

本文将介绍如何使用 MATLAB 实现几种基于脑电图（EEG）的脑机接口（BCI）诱发电位信号处理方法。通过两个常见的 BCI 处理场景示例，帮助大家更好地理解 BCI 处理应用的基本结构和参数，这些示例还可扩展到更复杂的场景中。这两个场景分别是：
1. 瞬态诱发电位：四分类 P300 奇偶数范式 BCI（同步操作，离散选择）
2. 稳态诱发电位：n 分类稳态视觉诱发电位（SSVEP）BCI（异步操作，离散选择）

2. 四分类 P300 奇偶数范式

此场景基于经典的 P300 奇偶数范式，即依次呈现刺激（视觉、听觉或触觉），并选择其中一个刺激作为目标。这里，四个刺激以块为单位随机重复呈现。目标刺激会引发特征性的 P300 反应，而非目标刺激则不会。通过训练分类器，可区分目标和非目标刺激。每次刺激后收集一段数据（响应），对同一刺激的多个响应进行平均，以提高响应检测的可靠性。将每个刺激的平均响应输入分类器，判断哪个刺激是目标。在线操作前通常需要进行分类器校准，校准数据收集时，会告知用户关注哪个刺激，以便正确标记响应来训练分类器。

2.1 数据收集

特征性的 P300 事件相关电位（ERP）反应通常在顶叶最强。当刺激为视觉呈现时，枕叶区域也能获取相关神经信息。P300 视觉奇偶数范式 BCI 的典型设置包括覆盖 Fz、Cz、Pz、P3、P4、PO7、PO8 和 Oz 的电极。使用刺激呈现软件（如 BCI2000 和 Psychtoolbox）同步收集这些通道的 EEG 数据，将刺激事件与 EEG 时间锁定。采样率应保持在约 100 Hz 以上，以准确反映 P300 波形的时