7.1.2　国内发展现状

国内的很多研究小组在SSVEP（steady-state visual evoked potential，稳态视觉诱发电位）-BCI领域取得了不错成绩，如清华大学的生物工程研究团队在SSVEP的信息传输率研究上处于世界前列；华东理工大学的张宇教授研究利用训练数据集提取更多的有效信息，其团队研究的基于SSVEP的BCI技术在ITR（information transfer rate，信息传输率）和准确率性能上均表现优异；华南理工大学李远清教授带领团队研究的P300和SSVEP混合脑机接口系统在稳定性和可靠性上取得了良好成绩；2016年10月，由天津大学神经工程团队负责设计研发的在轨脑-机交互及脑力负荷、视功能等神经工效测试系统随着“天宫二号”进入太空，进行了国内首次太空脑机交互实验。此外，从2000年开始举办的国际脑机接口竞赛，直到2008年共举办四届，大大推动了SSVEP-BCI研究的发展和推广。随后，我国在北京也举办了两届脑机接口比赛，这项比赛要求所有参赛团队全方位完善脑机接口系统，从离线竞赛到在线竞赛，从系统优化到性能评估，在各个方面提高了SSVEP-BCI的研究水平，使得我国在SSVEP-BCI领域的研究成果数量多于其他国家，部分发表于国际高影响力期刊。

目前在BCI系统中针对意图感知的脑电信号多为运动想象（MI）及稳态视觉诱发电位。脑电分析广泛采用的分析方法包含以下几种：线性阈值分析、多层感知、神经网络、支持向量机以及贝叶斯矩阵算法。此外，强化学习也是提高空间感知及控制力的一种途径。而多自由度机械臂、移动机器人等与BCI系统相结合，形成了集成化的脑机接口体系。

近年来的BCI研究主要集中于运动想象与SSVEP的分析。Grimm等于2016年研究了针对运动想象用于脑卒中病人康复的康复型BCI，其将运动想象和差频肌肉电刺激信号结合起来。华南理工大学的研究人员于2018年对SSVEP驱动的非植入式脑控双机械臂进行了研究，采用SSVEP信号结合视觉反馈的方式实现了基于EEG的脑控双机械臂的运动；采用动态神经反馈优化实现了对机械臂稳定性以及协调力的控制。而在SSVEP的信号处理及接口融合方面，Dehzangi等均提出了处理方式，实现了受试者对不同频闪信号注视下的脑电频域分析，并取得良好的分辨率（＞90%）。