探索和构建一种无线、实用且高性能的脑机接口系统

项目来源于佐治亚理工情景计算实验室的真实课题项目。工作的核心是设计和优化一个8通道500hz的干电极BCI系统，用稳态视觉刺激电位的范式来进行实时多分类和控制。

1.系统搭建
本实验系统基于8通道OpenBCI电路板进行搭建，利用websocket进行数据传输。为了原有OpenBCI系统时间帧不够精确的问题，利用Arduino对时间帧记录方式进行了重新调整。此外在服务器拿到数据后，利用样条曲线进行重采样确保数据均匀。

2.算法优化
我们尝试使用目标频段的EEG能量，EEG的SNR，低频段的能量建立起事件分类机制，并通过小规模数采以及离线实验确定了触发阈值，能实现坐姿识别准确率85%，延迟5s以内，站姿识别率75%，延迟10s以内。

3.小型数采
我们开展了针对5人的小规模数采以优化分类算法，分别测试了站姿和坐姿两种情况，并发现数采时间（被试精神集中情况）会影响阈值分布。

小型Demo

研究流程

关键词: 脑机接口、人机交互、泛在计算
项目类型：实验室项目

时间: 2025.1-2025.5

指导：Dr.Thad Starner(美)、Yuhui Zhao
合作: Tianhong Yang, Tianqin Yu, Zishuo Wang

主要贡献:
1. 使用 Python 构建基于 WebSocket 的 Server/Client 系统，集成 Arduino 控制的视觉刺激与 OpenBCI 脑电实时读取、分类及反馈机制，实现 4 秒内低延迟预测输出:
2. 对实时 SSVEP （稳态视觉诱发电位）8 通道脑电信号进行滤波与重采样，构建 4 秒、1/8 滚动步长的 FFT 窗口，支持最小 5Hz 分类间隔，实现实时分类准确率站姿75%，平均延迟10s，坐姿分类准确率 85%，平均延迟5s

技能：Python、Arduino、Websocket、FFT、SNR、Signal Processing