张志敏 王盛 关凯 刘涛 牛海军

0 引言

脑-机接口(brain-computer interface，BCI)允许人脑与外部设备之间的直接通信，这可以作为神经肌肉通路的替代方法[1]。近年来，基于脑电(electroencephalogram，EEG)的BCI技术被广泛研究，但是单模态BCI由于缺乏错误命令取消和返回机制，且同步系统的长时间使用会造成准确率的下降。为了解决BCI领域的一些不足，研究者们提出了混合脑-机接口(hybrid-BCI，h-BCI)，以提高系统的最终准确率和增加可控目标的数量[2]。对于基于EEG的h-BCI，其中一种方式是将两种类型的EEG相结合，例如，有研究者将稳态视觉诱发电位(steady-state visual evoked potential，SSVEP)与P300相结合，SSVEP与事件相关去同步化电位相结合，P300与运动想象相结合[3-5]。另一种方式是将EEG信号与其他生理信号相结合，包括心电图(electrocardiogram，ECG)、眼电图(electrooculography，EOG)和肌电图(electromyogram，EMG)[6-8]。

在上述的h-BCIs中，SSVEP以其高信息传输率的潜力和无需重复训练(只需要第1次引导流程)而被广泛使用[9-10]，此外，与ECG和EOG相比，EMG是一种容易产生且稳定的信息源。因此，结合SSVEP与EMG的h-BCI无论是从增加指令输出还是将EMG作为确认和紧急停止指令来讲，都是一个合适的组合[11-13]，相关研究在系统准确率和安全性上都达到了很好的效果。

但之前SSVEP和EMG相结合的研究中，肌电动作基本不会对SSVEP造成信号上的直接影响。那是因为一些工作的EMG是来自手臂或手部的[11]，另外一些工作虽然EMG来自头部，但EEG和EMG的检测是非同时进行的，即当有规定肌电动作的时候，SSVEP是不进行检测的[12]。因此当头部EMG肌电动作和SSVEP刺激同时发生时，肌电动作对SSVEP的影响尚未被讨论。

此外，在所有头部的动作中，如抬眉毛、抬耳廓、做表情、进行咀嚼等，咬合动作可以产生极大幅度的动作电位。……