浏览全部资源
扫码关注微信
收稿：2023-01-15，
修回：2023-02-28，
纸质出版：2023-06-16
移动端阅览
脑—机接口（brain-computer interface，BCI）系统通过采集、分析大脑信号，将其转换为输出指令，从而跨越外周神经系统，实现由大脑信号对外部设备的直接控制，进而用于替代、修复、增强、补充或改善中枢神经系统的正常输出。非侵入式脑—机接口由于具有安全性以及便携性等优点，得到了广泛关注和持续研究。研究人员对脑信号编码方法的不断探索扩展了BCI系统的应用场景和适用范围。同时，脑信号解码方法的不断研发极大地克服了脑电信号信噪比低的缺点，提高了系统性能，这都为构建高性能脑—机接口系统奠定了基础。本文综述了非侵入式脑—机接口编解码技术以及系统应用的最新研究进展，展望其未来发展前景，以期促进BCI系统的深入研究与广泛应用。
A brain-computer interface （BCI） establishes a direct communication pathway between the living brain and an external device in terms of brain signals-acquiring and analysis and commands-converted output. It can be used to replace， repair， augment， supplement or improve the normal output of the central nervous system. The BCIs can be divided into invasive or noninvasive BCIs based on the placement of the acquisition electrode. An invasive BCI is linked to its records or brain neurons-relevant stimulation through surgical brain-implanted electrodes. But， it is just used for animal experiments or severe paralysis patients although invasive BCIs can be used to record a high signal-to-noise ratio-related brain signals. Non-invasive BCIs have its potentials of their credibility and portability in comparison with invasive BCIs. The electroencephalography （EEG） is commonly used for brain signal for BCIs now. The EEG-based BCI systems consist of two directions： coding methods used to generate brain signals and the decoding methods used to decode brain signals. In recent years， the growth of coding methods has extended the application scenarios and applicability of the system. Furthermore， to get high-performance BCIs， brain signal decoding methods has greatly developed and low signal-to-noise ratio of EEG signals is optimized as well. The BCI systems can be segmented into such categories of active， reactive or passive. For an active BCI， a user can consciously control mental activities of external stimuli excluded. The motor imagery based （MI-based） BCI system is an active BCI system in terms of EEG signals-within specific frequency changes， which can be balanced using non-motor output mental rehearsal of a motor action. For reactive BCI， brain activity is triggered by an external stimulus， and the user reacts to the stimulus from the external world. Most researches are focused on static-state visual evoked potential based （SSVEP-based） BCI and an event-related potential based （ERP-based） BCI. SSVEPs are brain responses that are elicited over the visual region when a user focuses on a flicker of a visual stimulus. An ERP-based BCI is usually based on a P300 component of ERP， which can be produced after the onset of the stimulus. For a passive BCI， it can provide the hidden state of the brain in the human-computer interaction process rather than temporal and humanized interaction， especially for affective BCIs and mental load BCIs. Our literature analysis is focused on BCI systems from four contexts of its MI-based， SSVEP-based， ERP-based， and affective BCI. Current situation and the application of BCI systems can be analyzed for coding and decoding technology as mentioned below： 1） MI-based BCI studies are mostly focused on the classification of EEG patterns during MI tasks from different limbs， such as the left hand， right hand， and both feet. However， small instruction sets are still challenged for the actual application requirements. Thus， fine MI tasks from the unilateral limb are developed to deal with that. We review fine MI paradigms of multiple unilateral limb contexts in relevance to its joints， directions， and tasks. Decoding methods consist of two procedures in common： feature extraction and feature classification. Feature extraction extracts task-related and recognizable features from brain signals， and feature classification uses features-extracted to clarify the intentions of users. For MI decoding technology， two-stage traditional decoding methods are first briefly introduced， e.g.， common spatial pattern （CSP） and linear discriminant analysis （LDA）. After that， we summarize the latest deep learning methods， which can improve the decoding accuracy， and some migration learning methods are summarized， which can alleviate its calibration data. Finally， recent applications of the MI-BCI system are introduced in related to control of the mechanical arm and stroke rehabilitation. 2） SSVEP-based BCI
systems are concerned about in terms of their high information transmission rate， strong stability， and applicability. Recent researches to highlight of SSVEP-based BCI studies are reviewed literately as well. For example， some new coding strategies are implemented for instruction set or users’ preference and such emerging decoding methods are used to optimize its performance of SSVEP detection. Additionally， we summarize the main application directions of SSVEP-based BCI systems， including communication， control， and state monitoring， and the latest application progress are reviewed as well. 3）
For ERP-based BCIs， the signal-to-noise ratio of the ERP response is required to be relatively higher， and a single target-related rapid serial visual presentation paradigm is challenged for the detection of multiple targets. To sum up， BCI-hybrid paradigms are developed in terms of the integration of the ERP and other related paradigms. Function-based ERP decoding methods are divided into four categories of signal de-noising， feature extraction， transfer learning， and zero calibration algorithms. Current status of decoding methods and ERP-based BCI applications are summarized as well. 4） Affective BCI can be adopted to recognize and balance human emotion. The emotion and new decoding methods are evolved in， including multimodal fusion and transfer learning. Additionally， the application of affective BCI in healthcare is reviewed and analyzed as well. Finally， future research direction of non-invasive BCI are predicted further.
Abibullaev B ， Kunanbayev K and Zollanvari A . 2022 . Subject-independent classification of P300 event-related potentials using a small number of training subjects . IEEE Transactions on Human-Machine Systems ， 52 （ 5 ）： 843 - 854 ［ DOI： 10.1109/THMS.2022.3189576 http://dx.doi.org/10.1109/THMS.2022.3189576 ］
Adamczyk A K ， Wyczesany M and van Peer J M . 2022 . High working memory load impairs reappraisal but facilitates distraction —— An event-related potential investigation . Biological Psychology ， 171 ： # 108327 ［ DOI： 10.1016/j.biopsycho.2022.108327 http://dx.doi.org/10.1016/j.biopsycho.2022.108327 ］
Alghowinem S . 2013 . From joyous to clinically depressed： mood detection using multimodal analysis of a person's appearance and speech // Proceedings of 2013 Humaine Association Conference on Affective Computing and Intelligent Interaction . Geneva， Switzerland ： IEEE： 648 - 654 ［ DOI： 10.1109/ACII.2013.113 http://dx.doi.org/10.1109/ACII.2013.113 ］
Allison B Z ， Wolpaw E W and Wolpaw J R . 2007 . Brain-computer interface systems： progress and prospects . Expert Review of Medical Devices ， 4 （ 4 ）： 463 - 474 ［ DOI： 10.1586/17434440.4.4.463 http://dx.doi.org/10.1586/17434440.4.4.463 ］
Ang K K ， Chin Z Y ， Wang C C ， Guan C T and Zhang H H . 2012 . Filter bank common spatial pattern algorithm on BCI competition IV datasets 2A and 2B . Frontiers in Neuroscience ， 6 ： # 39 ［ DOI： 10.3389/fnins.2012.00039 http://dx.doi.org/10.3389/fnins.2012.00039 ］
Ang K K ， Chin Z Y ， Zhang H H and Guan C T . 2008 . Filter bank common spatial pattern （FBCSP） in brain-computer interface // Proceedings of 2008 IEEE International Joint Conference on Neural Networks （IEEE World Congress on Computational Intelligence） . Hong Kong， China ： IEEE： 2390 - 2397 ［ DOI： 10.1109/IJCNN.2008.4634130 http://dx.doi.org/10.1109/IJCNN.2008.4634130 ］
Anumanchipalli G K ， Chartier J and Chang E F . 2019 . Speech synthesis from neural decoding of spoken sentences . Nature ， 568 （ 7753 ）： 493 - 498 ［ DOI： 10.1038/s41586-019-1119-1 http://dx.doi.org/10.1038/s41586-019-1119-1 ］
Bai L ， Ma H ， Huang Y X and Luo Y J . 2005 . The development of native Chinese affective picture system-A pretest in 46 college students . Chinese Mental Health Journal ， 19 （ 11 ）： 719 - 722
白露 ， 马慧 ， 黄宇霞 ， 罗跃嘉 . 2005 . 中国情绪图片系统的编制——在46名中国大学生中的试用 . 中国心理卫生杂志 ， 19 （ 11 ）： 719 - 722 ［ DOI： 10.3321/j.issn：1000-6729.2005.11.001 http://dx.doi.org/10.3321/j.issn：1000-6729.2005.11.001 ］
Barachant A ， Bonnet S ， Congedo M and Jutten C . 2012 . Multiclass brain-computer interface classification by riemannian geometry . IEEE Transactions on Biomedical Engineering ， 59 （ 4 ）： 920 - 928 ［ DOI： 10.1109/tbme.2011.2172210 http://dx.doi.org/10.1109/tbme.2011.2172210 ］
Bermudez i Badia S ， Morgade A G ， Samaha H and Verschure P F M J . 2013 . Using a hybrid brain computer interface and virtual reality system to monitor and promote cortical reorganization through motor activity and motor imagery training . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 21 （ 2 ）： 174 - 181 ［ DOI： 10.1109/TNSRE.2012.2229295 http://dx.doi.org/10.1109/TNSRE.2012.2229295 ］
Bethge D ， Hallgarten P ， Grosse-Puppendahl T ， Kari M ， Chuang L L ， Özdenuzci O and Schmidt A . 2022 . EEG2Vec： learning affective EEG representations via Variational Autoencoders . ［EB/OL］. ［ 2023-01-01 ］. https://arxiv.org/pdf/2207.08002.pdf https://arxiv.org/pdf/2207.08002.pdf
Bin G Y ， Gao X R ， Wang Y J ， Li Y ， Hong B and Gao S K . 2011 . A high-speed BCI based on code modulation VEP . Journal of Neural Engineering ， 8 （ 2 ）： # 025015 ［ DOI： 10.1088/1741-2560/8/2/025015 http://dx.doi.org/10.1088/1741-2560/8/2/025015 ］
Bokk O and Forster B . 2022 . The effect of a short mindfulness meditation on somatosensory attention . Mindfulness ， 13 （ 8 ）： 2022 - 2030 ［ DOI： 10.1007/s12671-022-01938-z http://dx.doi.org/10.1007/s12671-022-01938-z ］
Cai X G and Pan J H . 2022 . Toward a brain-computer interface- and internet of things-based smart ward collaborative system using hybrid signals . Journal of Healthcare Engineering ， 2022 ： # 6894392 ［ DOI： 10.1155/2022/6894392 http://dx.doi.org/10.1155/2022/6894392 ］
Cao H T ， Zhong Z P ， Chen Y F ， Mei J ， Li A ， Xu M P and Ming D . 2022 . Research advances in non-invasive brain-computer interface control strategies . Journal of Biomedical Engineering ， 39 （ 5 ）： 1033 - 1040
曹洪涛 ， 钟子平 ， 陈远方 ， 梅杰 ， 李昂 ， 许敏鹏 ， 明东 . 2022 . 非侵入式脑机接口控制策略的研究进展 . 生物医学工程学杂志 ， 39 （ 5 ）： 1033 - 1040 ［ DOI： 10.7507/1001-5515.202205013 http://dx.doi.org/10.7507/1001-5515.202205013 ］
Cao L F ， Li G Y ， Xu Y ， Zhang H ， Shu X K and Zhang D G . 2021 . A brain-actuated robotic arm system using non-invasive hybrid brain-computer interface and shared control strategy . Journal of Neural Engineering ， 18 （ 4 ）： # 046045 ［ DOI： 10.1088/1741-2552/abf8cb http://dx.doi.org/10.1088/1741-2552/abf8cb ］
Caria A ， Da Rocha J L D ， Gallitto G ， Birbaumer N ， Sitaram R and Murguialday A R . 2020 . Brain-machine interface induced morpho-functional remodeling of the neural motor system in severe chronic stroke . Neurotherapeutics ， 17 （ 2 ）： 635 - 650 ［ DOI： 10.1007/s13311-019-00816-2 http://dx.doi.org/10.1007/s13311-019-00816-2 ］
Chang W W ， Wang H ， Lu Z G and Liu C . 2020 . A concealed information test system based on functional brain connectivity and signal entropy of audio-visual ERP . IEEE Transactions on Cognitive and Developmental Systems ， 12 （ 2 ）： 361 - 370 ［ DOI： 10.1109/TCDS.2020.2991359 http://dx.doi.org/10.1109/TCDS.2020.2991359 ］
Chen J B ， Zhang Y S ， Pan Y D ， Xu P and Guan C . 2022a . A transformer-based deep neural network model for SSVEP classification ［EB/OL］. ［ 2023-01-01 ］. https://arxiv.org/pdf/2210.04172.pdf https://arxiv.org/pdf/2210.04172.pdf
Chen J F ， Chen Y and Wang B . 2022b . Cross-subject domain adaptation for multi-frame EEG images ［EB/OL］. ［ 2023-01-01 ］. https://arxiv.org/pdf/2106.06769.pdf https://arxiv.org/pdf/2106.06769.pdf
Chen J J ， Wang Y J ， Maye A ， Hong B ， Gao X R ， Engel A K and Zhang D . 2021a . A spatially-coded visual brain-computer interface for flexible visual spatial information decoding . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 29 ： 926 - 933 ［ DOI： 10.1109/TNSRE.2021.3080045 http://dx.doi.org/10.1109/TNSRE.2021.3080045 ］
Chen L L ， Chen P F ， Zhao S K ， Luo Z G ， Chen W ， Pei Y ， Zhao H Y ， Jiang J ， Xu M P ， Yan Y and Yin E W . 2021b . Adaptive asynchronous control system of robotic arm based on augmented reality-assisted brain-computer interface . Journal of Neural Engineering ， 18 （ 6 ）： # 066005 ［ DOI： 10.1088/1741-2552/ac3044 http://dx.doi.org/10.1088/1741-2552/ac3044 ］
Chen P Y ， Gao Z K ， Yin M M ， Wu J L ， Ma K and Grebogi C . 2022c . Multiattention adaptation network for motor imagery recognition . IEEE Transactions on Systems， Man， and Cybernetics ， 52 （ 8 ）： Systems， 52 （ 8 ）： 5127 - 5139 ［ DOI： 10.1109/TSMC.2021.3114145 http://dx.doi.org/10.1109/TSMC.2021.3114145 ］
Chen X ， Yu Y ， Tang J S ， Zhou L ， Liu K X ， Liu Z Y ， Chen S M ， Wang J ， Zeng L L ， Liu J F and Hu D W . 2022e . Clinical validation of BCI-vontrolled wheelchairs in subjects with severe spinal cord injury . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 30 ： 579 - 589 ［ DOI： 10.1109/TNSRE.2022.3156661 http://dx.doi.org/10.1109/TNSRE.2022.3156661 ］
Chen X G ， Chen Z K ， Gao S K and Gao X R . 2014 . A high-ITR SSVEP-based BCI speller . Brain-Computer Interfaces ， 1 （ 3/4 ）： 181 - 191 ［ DOI： 10.1080/2326263X.2014.944469 http://dx.doi.org/10.1080/2326263X.2014.944469 ］
Chen X G ， Huang X S ， Wang Y J and Gao X R . 2020 . Combination of augmented reality based brain-computer interface and computer vision for high-level control of a robotic arm . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 28 （ 12 ）： 3140 - 3147 ［ DOI： 10.1109/TNSRE.2020.3038209 http://dx.doi.org/10.1109/TNSRE.2020.3038209 ］
Chen X G ， Liu B C ， Wang Y J and Gao X R . 2022d . A spectrally-dense encoding method for designing a high-speed SSVEP-BCI with 120 stimuli . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 30 ： 2764 - 2772 ［ DOI： 10.1109/TNSRE.2022.3208717 http://dx.doi.org/10.1109/TNSRE.2022.3208717 ］
Chen X G ， Wang Y J ， Nakanishi M ， Gao X R ， Jung T P and Gao S K . 2015 . High-speed spelling with a noninvasive brain-computer interface . Proceedings of the National Academy of Sciences of the United States of America ， 112 （ 44 ）： E6058 - E6067 ［ DOI： 10.1073/pnas.1508080112 http://dx.doi.org/10.1073/pnas.1508080112 ］
Chen Y ， Yang R ， Huang M J ， Wang Z D and Liu X H . 2022f . Single-source to single-target cross-subject motor imagery classification based on multisubdomain adaptation network . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 30 ： 1992 - 2002 ［ DOI： 10.1109/TNSRE.2022.3191869 http://dx.doi.org/10.1109/TNSRE.2022.3191869 ］
Chen Y H ， Yang C ， Ye X C ， Chen X G ， Wang Y J and Gao X R . 2021c . Implementing a calibration-free SSVEP-based BCI system with 160 targets . Journal of Neural Engineering ， 18 （ 4 ）： # 046094 ［ DOI： 10.1088/1741-2552/ac0bfa http://dx.doi.org/10.1088/1741-2552/ac0bfa ］
Cheng M and Gao S K . 1999 . An EEG-based cursor control system // Proceedings of the 1st Joint BMES/EMBS Conference . 1999 IEEE Engineering in Medicine and Biology the 21st Annual Conference and 1999 Annual Fall Meeting of the Biomedical Engineering Society . Atlanta， USA ： IEEE： #669 ［ DOI： 10.1109/IEMBS.1999.802747 http://dx.doi.org/10.1109/IEMBS.1999.802747 ］
Cheng M ， Gao X R ， Gao S K and Xu D F . 2002 . Design and implementation of a brain-computer interface with high transfer rates . IEEE Transactions on Biomedical Engineering ， 49 （ 10 ）： 1181 - 1186 ［ DOI： 10.1109/TBME.2002.803536 http://dx.doi.org/10.1109/TBME.2002.803536 ］
Chi X Y ， Cui H Y and Chen X G . 2022 . Advances in multi-modal brain-computer interface combined with steady-state visual evoked potential . Chinese Journal of Biomedical Engineering ， 41 （ 2 ）： 204 - 213
迟新一 ， 崔红岩 ， 陈小刚 . 2022 . 结合稳态视觉诱发电位的多模态脑机接口研究进展 . 中国生物医学工程学报 ， 41 （ 2 ）： 204 - 213 ［ DOI： 10.3969/j.issn.0258-8021.2022.02.009 http://dx.doi.org/10.3969/j.issn.0258-8021.2022.02.009 ］
Chien Y Y ， Lin F C ， Zao J K ， Chou C C ， Huang Y P ， Kuo H Y ， Wang Y J ， Jung T P and Shieh H P D . 2017 . Polychromatic SSVEP stimuli with subtle flickering adapted to brain-display interactions . Journal of Neural Engineering ， 14 （ 1 ）： # 016018 ［ DOI： 10.1088/1741-2552/aa550d http://dx.doi.org/10.1088/1741-2552/aa550d ］
Cimtay Y and Ekmekcioglu E . 2020 . Investigating the use of pretrained convolutional neural network on cross-subject and cross-dataset EEG emotion recognition . Sensors ， 20 （ 7 ）： # 2034 ［ DOI： 10.3390/s20072034 http://dx.doi.org/10.3390/s20072034 ］
Coyle D ， Garcia J ， Satti A R and McGinnity T M . 2011 . EEG-based continuous control of a game using a 3 channel motor imagery BCI： BCI game // Proceedings of 2011 IEEE Symposium on Computational Intelligence， Cognitive Algorithms， Mind， and Brain （CCMB） . Paris， France ： IEEE： 1 - 7 ［ DOI： 10.1109/CCMB.2011.5952128 http://dx.doi.org/10.1109/CCMB.2011.5952128 ］
Cui Y J ， Xie S Y ， Xie X Z ， Duan X and Gao C L . 2022 . A spatial-temporal hybrid feature extraction method for rapid serial visual presentation of electroencephalogram signals . Journal of Biomedical Engineering ， 39 （ 1 ）： 39 - 46
崔玉洁 ， 谢松云 ， 谢辛舟 ， 段绪 ， 高川林 . 2022 . 针对快速序列视觉呈现脑电信号的时空混合特征提取方法 . 生物医学工程学杂志 ， 39 （ 1 ）： 39 - 46 ［ DOI： 10.7507/1001-5515.202104049 http://dx.doi.org/10.7507/1001-5515.202104049 ］
Cygan H B ， Nowicka M M and Nowicka A . 2022 . Impaired attentional bias toward one’s own face in autism spectrum disorder： ERP evidence . Autism Research ， 15 （ 2 ）： 241 - 253 ［ DOI： 10.1002/aur.2647 http://dx.doi.org/10.1002/aur.2647 ］
Défossez A ， Caucheteux C ， Rapin J ， Kabeli O and King J R . 2022 . Decoding speech from non-invasive brain recordings ［EB/OL］. ［ 2023-01-01 ］. https://arxiv.org/pdf/2208.12266v1.pdf https://arxiv.org/pdf/2208.12266v1.pdf
Ding W L ， Shan J H ， Fang B ， Wang C Y ， Sun F C and Li X Y . 2021 . Filter bank convolutional neural network for short time-window steady-state visual evoked potential classification . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 29 ： 2615 - 2624 ［ DOI： 10.1109/TNSRE.2021.3132162 http://dx.doi.org/10.1109/TNSRE.2021.3132162 ］
Donchin E and Lindsley D B . 1969 . Average evoked potentials： methods， results， and evaluations . U.S. Government Printing Office ［ DOI： 10.1037/13016-000 http://dx.doi.org/10.1037/13016-000 ］
Dzirasa K ， Fuentes R ， Kumar S ， Potes J M and Nicolelis M A L . 2011a . Chronic in vivo multi-circuit neurophysiological recordings in mice . Journal of Neuroscience Methods ， 195 （ 1 ）： 36 - 46 ［ DOI： 10.1016/j.jneumeth.2010.11.014 http://dx.doi.org/10.1016/j.jneumeth.2010.11.014 ］
Dzirasa K ， McGarity D L ， Bhattacharya A ， Kumar S ， Takahashi J S ， Dunson D ， McClung C A and Nicolelis M A L . 2011b . Impaired limbic gamma oscillatory synchrony during anxiety-related behavior in a genetic mouse model of bipolar mania . The Journal of Neuroscience ， 31 （ 17 ）： 6449 - 6456 ［ DOI： 10.1523/JNEUROSCI.6144-10.2011 http://dx.doi.org/10.1523/JNEUROSCI.6144-10.2011 ］
Edelman B J ， Baxter B and He B . 2016 . EEG source imaging enhances the decoding of complex right-hand motor imagery tasks . IEEE Transactions on Biomedical Engineering ， 63 （ 1 ）： 4 - 14 ［ DOI： 10.1109/TBME.2015.2467312 http://dx.doi.org/10.1109/TBME.2015.2467312 ］
Edelman B J ， Meng J ， Suma D ， Zurn C ， Nagarajan E ， Baxter B S ， Cline C C and He B . 2019 . Noninvasive neuroimaging enhances continuous neural tracking for robotic device control . Science Robotics ， 4 （ 31 ）： # 6844 ［ DOI： 10.1126/scirobotics.aaw6844 http://dx.doi.org/10.1126/scirobotics.aaw6844 ］
Eldeeb S ， Susam B T ， Akcakaya M ， Conner C M ， White S W and Mazefsky C A . 2021 . Trial by trial EEG based BCI for distress versus non distress classification in individuals with ASD . Scientific Reports ， 11 （ 1 ）： # 6000 ［ DOI： 10.1038/s41598-021-85362-8 http://dx.doi.org/10.1038/s41598-021-85362-8 ］
Fan K F ， Dong J ， Yu Y T ， Lin F ， Pan G ， Wang Y M ， Xu J ， Pu J B ， Li Y Q ， Pan J H ， Yao D Z ， Qin Y ， Qian T Y ， Li J H ， Huang C ， Ma W Z ， Bruce P ， Li T and Zeng Y . 2021 . Brain-computer interface standardization white paper （ 2021 ）. Beijing ： China Electronics Standardization Institute
范科峰 ， 董建 ， 余云涛 ， 蔺芳 ， 潘纲 ， 王跃明 ， 徐建 ， 蒲江波 ， 李远清 ， 潘家辉 ， 尧德中 ， 秦云 ， 钱天翼 ， 李建慧 ， 黄超 ， 马万钟 ， Bruce P ， 李婷 ， 曾毅 . 2021 . 脑机接口标准化白皮书 （2021版） . 北京 ： 中国电子技术标准化研究院
Gao X R ， Wang Y J ， Chen X G and Gao S K . 2021 . Interface， interaction， and intelligence in generalized brain-computer interfaces . Trends in Cognitive Sciences ， 25 （ 8 ）： 671 - 684 ［ DOI： 10.1016/j.tics.2021.04.003 http://dx.doi.org/10.1016/j.tics.2021.04.003 ］
Gao X R ， Xu D F ， Cheng M and Gao S K . 2003 . A BCI-based environmental controller for the motion-disabled . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 11 （ 2 ）： 137 - 140 ［ DOI： 10.1109/TNSRE.2003.814449 http://dx.doi.org/10.1109/TNSRE.2003.814449 ］
Gehrke L ， Lopes P ， Klug M ， Akman S and Gramann K . 2022 . Neural sources of prediction errors detect unrealistic VR interactions . Journal of Neural Engineering ， 19 （ 3 ）： # 036002 ［ DOI： 10.1088/1741-2552/ac69bc http://dx.doi.org/10.1088/1741-2552/ac69bc ］
Gergondet P ， Druon S ， Kheddar A ， Hintermüller C ， Guger C and Slater M . 2011 . Using brain-computer interface to steer a humanoid robot // Proceedings of 2011 IEEE International Conference on Robotics and Biomimetics . Karon Beach， Thailand ： IEEE： 192 - 197 ［ DOI： 10.1109/ROBIO.2011.6181284 http://dx.doi.org/10.1109/ROBIO.2011.6181284 ］
Gong X ， Huang Y X ， Wang Y and Luo Y J . 2011 . Revision of the Chinese facial affective picture system . Chinese Mental Health Journal ， 25 （ 1 ）： 40 - 46
龚栩 ， 黄宇霞 ， 王妍 ， 罗跃嘉 . 2011 . 中国面孔表情图片系统的修订 . 中国心理卫生杂志 ， 25 （ 1 ）： 40 - 46 ［ DOI： 10.3969/j.issn.1000-6729.2011.01.011 http://dx.doi.org/10.3969/j.issn.1000-6729.2011.01.011 ］
Guney O B ， Oblokulov M and Ozkan H . 2022 . A deep neural network for SSVEP-based brain-computer interfaces . IEEE Transactions on Biomedical Engineering ， 69 （ 2 ）： 932 - 944 ［ DOI： 10.1109/TBME.2021.3110440 http://dx.doi.org/10.1109/TBME.2021.3110440 ］
Guo W T ， Yang H W ， Liu Z Y ， Xu Y P and Hu B . 2021 . Deep neural networks for depression recognition based on 2D and 3D facial expressions under emotional stimulus tasks . Frontiers in Neuroscience ， 15 ： # 609760 ［ DOI： 10.3389/fnins.2021.609760 http://dx.doi.org/10.3389/fnins.2021.609760 ］
Habelt B ， Wirth C ， Afanasenkau D ， Mihaylova L ， Winter C ， Arvaneh M ， Minev I R and Bernhardt N . 2021 . A multimodal neuroprosthetic interface to record， modulate and classify electrophysiological biomarkers relevant to neuropsychiatric disorders . Frontiers in Bioengineering and Biotechnology ， 9 ： # 770274 ［ DOI： 10.3389/fbioe.2021.770274 http://dx.doi.org/10.3389/fbioe.2021.770274 ］
Hasan S M S ， Marquez J S ， Siddiquee M R ， Fei D Y and Bai O . 2021 . Preliminary study on real-time prediction of gait acceleration intention from volition-associated EEG patterns . IEEE Access ， 9 ： 62676 - 62686 ［ DOI： 10.1109/ACCESS.2021.3075253 http://dx.doi.org/10.1109/ACCESS.2021.3075253 ］
He F ， Dong B W ， Han J ， Li Y L ， Xu M P and Ming D . 2022 . Advances in application of game brain-computer interface based on electroencephalogram . Journal of Electronics and Information Technology ， 44 （ 2 ）： 415 - 423
何峰 ， 董博文 ， 韩锦 ， 李雨龙 ， 许敏鹏 ， 明东 . 2022 . 基于头皮脑电的游戏型脑机接口应用研究综述 . 电子与信息学报 ， 44 （ 2 ）： 415 - 423 ［ DOI： 10.11999/JEIT211337 http://dx.doi.org/10.11999/JEIT211337 ］
Hong X L ， Zheng Q Q ， Liu L Y ， Chen P Y ， Ma K ， Gao Z K and Zheng Y F . 2021 . Dynamic joint domain adaptation network for motor imagery classification . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 29 ： 556 - 565 ［ DOI： 10.1109/TNSRE.2021.3059166 http://dx.doi.org/10.1109/TNSRE.2021.3059166 ］
Hu X ， Wang F and Zhang D . 2022 . Similar brains blend emotion in similar ways： neural representations of individual difference in emotion profiles . NeuroImage ， 247 ： # 118819 ［ DOI： 10.1016/j.neuroimage.2021.118819 http://dx.doi.org/10.1016/j.neuroimage.2021.118819 ］
Hwang H J ， Hwan Kim D ， Han C H and Im C H . 2013 . A new dual-frequency stimulation method to increase the number of visual stimuli for multi-class SSVEP-based brain-computer interface （BCI） . Brain Research ， 1515 ： 66 - 77 ［ DOI： 10.1016/j.brainres.2013.03.050 http://dx.doi.org/10.1016/j.brainres.2013.03.050 ］
Jeong J H ， Cho J H ， Shim K H ， Kwon B H ， Lee B H ， Lee D Y ， Lee D H and Lee S W . 2020a . Multimodal signal dataset for 11 intuitive movement tasks from single upper extremity during multiple recording sessions . GigaScience ， 9 （ 10 ）： #giaa 098 ［ DOI： 10.1093/gigascience/giaa098 http://dx.doi.org/10.1093/gigascience/giaa098 ］
Jeong J H ， Shim K H ， Kim D J and Lee S W . 2020b . Brain-controlled robotic arm system based on multi-directional CNN-BiLSTM network using EEG signals . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 28 （ 5 ）： 1226 - 1238 ［ DOI： 10.1109/TNSRE.2020.2981659 http://dx.doi.org/10.1109/TNSRE.2020.2981659 ］
Ji L L ， Zhao Q ， Zhang Y F ， Wan J J ， Yu Y F ， Zhao J F and Li X M . 2022 . Event-related brain potential correlates of event-based prospective memory in children with learning disability . Frontiers in Psychiatry ， 13 ： # 898536 ［ DOI： 10.3389/fpsyt.2022.898536 http://dx.doi.org/10.3389/fpsyt.2022.898536 ］
Jiang H F ， Guan X Y ， Zhao W Y ， Zhao L M and Lu B L . 2019 . Generating multimodal features for emotion classification from eye movement signals . Australian Journal of Intelligent Information Processing Systems ， 15 （ 3 ）： 59 - 66
Jiang L ， Li X Y ， Pei W H ， Gao X R and Wang Y J . 2022a . A hybrid brain-computer interface based on visual evoked potential and pupillary response . Frontiers in Human Neuroscience ， 16 ： # 834959 ［ DOI： 10.3389/fnhum.2022.834959 http://dx.doi.org/10.3389/fnhum.2022.834959 ］
Jiang L ， Pei W H and Wang Y J . 2022b . A user-friendly SSVEP-based BCI using imperceptible phase-coded flickers at 60 Hz . China Communications ， 19 （ 2 ）： 1 - 14 ［ DOI： 10.23919/JCC.2022.02.001 http://dx.doi.org/10.23919/JCC.2022.02.001 ］
Joseph A B . 1985 . Design considerations for the brain-machine interface . Medical Hypotheses ， 17 （ 3 ）： 191 - 195 ［ DOI： 10.1016/0306-9877（85）90124-0 http://dx.doi.org/10.1016/0306-9877（85）90124-0 ］
Katsigiannis S and Ramzan N . 2018 . DREAMER： a database for emotion recognition through EEG and ECG signals from wireless low-cost off-the-shelf devices . IEEE Journal of Biomedical and Health Informatics ， 22 （ 1 ）： 98 - 107 ［ DOI： 10.1109/JBHI.2017.2688239 http://dx.doi.org/10.1109/JBHI.2017.2688239 ］
Khan M A ， Das R ， Iversen H K and Puthusserypady S . 2020 . Review on motor imagery based BCI systems for upper limb post-stroke neurorehabilitation： from designing to application . Computers in Biology and Medicine ， 123 ： # 103843 ［ DOI： 10.1016/j.compbiomed.2020.103843 http://dx.doi.org/10.1016/j.compbiomed.2020.103843 ］
Kim S ， Lee S ， Kang H ， Kim S and Ahn M . 2021 . P300 brain-computer interface-based drone control in virtual and augmented reality . Sensors ， 21 （ 17 ）： # 5765 ［ DOI： 10.3390/s21175765 http://dx.doi.org/10.3390/s21175765 ］
Klawohn J ， Brush C J and Hajcak G . 2021 . Neural responses to reward and pleasant pictures prospectively predict remission from depression . Journal of Abnormal Psychology ， 130 （ 7 ）： 702 - 712 ［ DOI： 10.1037/abn0000696 http://dx.doi.org/10.1037/abn0000696 ］
Ko L W ， Sankar D S V ， Huang Y F ， Lu Y C ， Shaw S and Jung T P . 2021 . SSVEP-assisted RSVP brain-computer interface paradigm for multi-target classification . Journal of Neural Engineering ， 18 （ 1 ）： # 016021 ［ DOI： 10.1088/1741-2552/abd1c0 http://dx.doi.org/10.1088/1741-2552/abd1c0 ］
Koelstra S ， Muhl C ， Soleymani M ， Lee J S ， Yazdani A ， Ebrahimi T ， Pun T ， Nijholt A and Patras I . 2012 . DEAP： a database for emotion analysis； using physiological signals . IEEE Transactions on Affective Computing ， 3 （ 1 ）： 18 - 31 ［ DOI： 10.1109/T-AFFC.2011.15 http://dx.doi.org/10.1109/T-AFFC.2011.15 ］
Kool L ， Oranje B ， Meijs H ， De Wilde B ， van Hecke J ， Niemegeers P and Luykx J J . 2022 . Event-related potentials and use of psychotropic medication in major psychiatric disorders . Psychiatry Research ， 314 ： # 114637 ［ DOI： 10.1016/j.psychres.2022.114637 http://dx.doi.org/10.1016/j.psychres.2022.114637 ］
Korkmaz O E ， Aydemir O ， Oral E A and Ozbek I Y . 2022 . An efficient 3D column-only P300 speller paradigm utilizing few numbers of electrodes and flashings for practical BCI implementation . PLoS ONE ， 17 （ 4 ）： # 0265904 ［ DOI： 10.1371/journal.pone.0265904 http://dx.doi.org/10.1371/journal.pone.0265904 ］
Kwak N S ， Müller K R and Lee S W . 2015 . A lower limb exoskeleton control system based on steady state visual evoked potentials . Journal of Neural Engineering ， 12 （ 5 ）： # 056009 ［ DOI： 10.1088/1741-2560/12/5/056009 http://dx.doi.org/10.1088/1741-2560/12/5/056009 ］
Lang P J ， Bradley M M and Cuthbert B N . 1997 . International affective picture system （IAPS）： technical manual and affective ratings . NIMH Center for the Study of Emotion and Attention， Gainesville ： 39 - 58
Lashgari E ， Liang D H and Maoz U . 2020 . Data augmentation for deep-learning-based electroencephalography . Journal of Neuroscience Methods ， 346 ： # 108885 ［ DOI： 10.1016/j.jneumeth.2020.108885 http://dx.doi.org/10.1016/j.jneumeth.2020.108885 ］
Lawhern V J ， Solon A J ， Waytowich N R ， Gordon S M ， Hung C P and Lance B J . 2018 . EEGNet： a compact convolutional neural network for EEG-based brain-computer interfaces . Journal of Neural Engineering ， 15 （ 5 ）： # 056013 ［ DOI： 10.1088/1741-2552/aace8c http://dx.doi.org/10.1088/1741-2552/aace8c ］
Layer N ， Weglage A ， Müller V ， Meister H ， Lang-Roth R ， Walger M ， Murray M M and Sandmann P . 2022 . The timecourse of multisensory speech processing in unilaterally stimulated cochlear implant users revealed by ERPs . NeuroImage： Clinical ， 34 ： # 102982 ［ DOI： 10.1016/j.nicl.2022.102982 http://dx.doi.org/10.1016/j.nicl.2022.102982 ］
Lee J ， Won K ， Kwon M ， Jun S C and Ahn M . 2020 . CNN with large data achieves true zero-training in online P300 brain-computer interface . IEEE Access ， 8 ： 74385 - 74400 ［ DOI： 10.1109/ACCESS.2020.2988057 http://dx.doi.org/10.1109/ACCESS.2020.2988057 ］
Lee Y C ， Lin W C ， Cherng F Y and Ko L W . 2016 . A visual attention monitor based on steady-state visual evoked potential . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 24 （ 3 ）： 399 - 408 ［ DOI： 10.1109/TNSRE.2015.2501378 http://dx.doi.org/10.1109/TNSRE.2015.2501378 ］
Lees S ， McCullagh P ， Payne P ， Maguire L ， Lotte F and Coyle D . 2020 . Speed of rapid serial visual presentation of pictures， numbers and words affects event-related potential-based detection accuracy . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 28 （ 1 ）： 113 - 122 ［ DOI： 10.1109/TNSRE.2019.2953975 http://dx.doi.org/10.1109/TNSRE.2019.2953975 ］
Li B W ， Lin Y F ， Gao X R and Liu Z W . 2021a . Enhancing the EEG classification in RSVP task by combining interval model of ERPs with spatial and temporal regions of interest . Journal of Neural Engineering ， 18 （ 1 ）： # 016008 ［ DOI： 10.1088/1741-2552/abc8d5 http://dx.doi.org/10.1088/1741-2552/abc8d5 ］
Li C ， Zhang Z Z ， Zhang X D ， Huang G N ， Liu Y and Chen X . 2022a . EEG-based emotion recognition via transformer neural architecture search . IEEE Transactions on Industrial Informatics ， 19 （ 4 ）： 6016 - 6025 ［ DOI： 10.1109/TII.2022.3170422 http://dx.doi.org/10.1109/TII.2022.3170422 ］
Li H ， Jin Y M ， Zheng W L and Lu B L . 2018 . Cross-subject emotion recognition using deep adaptation networks // Proceedings of the 25th International Conference on Neural Information Processing . Siem Reap， Cambodia ： Springer： 403 - 413 ［ DOI： 10.1007/978-3-030-04221-9_36 http://dx.doi.org/10.1007/978-3-030-04221-9_36 ］
Li J P ， Qiu S ， Shen Y Y ， Liu C L and He H G . 2020a . Multisource transfer learning for cross-subject EEG emotion recognition . IEEE Transactions on Cybernetics ， 50 （ 7 ）： 3281 - 3293 ［ DOI： 10.1109/TCYB.2019.2904052 http://dx.doi.org/10.1109/TCYB.2019.2904052 ］
Li M F ， Wu L Y ， Xu G Z ， Duan F and Zhu C . 2022b . A robust 3D-convolutional neural network-based electroencephalogram decoding model for the intra-individual difference . International Journal of Neural Systems ， 32 （ 7 ）： # 2250034 ［ DOI： 10.1142/S0129065722500344 http://dx.doi.org/10.1142/S0129065722500344 ］
Li W Y ， Wu C P ， Hu X ， Chen J J ， Fu S M ， Wang F and Zhang D . 2022c . Quantitative personality predictions from a brief EEG recording . IEEE Transactions on Affective Computing ， 13 （ 3 ）： 1514 - 1527 ［ DOI： 10.1109/TAFFC.2020.3008775 http://dx.doi.org/10.1109/TAFFC.2020.3008775 ］
Li X J ， Wei W ， Qiu S and He H G . 2022d . TFF-former： temporal-frequency fusion transformer for zero-training decoding of two BCI tasks // Proceedings of the 30th ACM International Conference on Multimedia . Lisbon， Portugal ： ACM： 51 - 59 ［ DOI： 10.1145/3503161.3548269 http://dx.doi.org/10.1145/3503161.3548269 ］
Li Y ， Guo L H ， Liu Y ， Liu J Y and Meng F G . 2021b . A temporal-spectral-based squeeze-and-excitation feature fusion network for motor imagery EEG decoding . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 29 ： 1534 - 1545 ［ DOI： 10.1109/TNSRE.2021.3099908 http://dx.doi.org/10.1109/TNSRE.2021.3099908 ］
Li Y ， Xiang J Y and Kesavadas T . 2020b . Convolutional correlation analysis for enhancing the performance of SSVEP-based brain-computer interface . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 28 （ 12 ）： 2681 - 2690 ［ DOI： 10.1109/TNSRE.2020.3038718 http://dx.doi.org/10.1109/TNSRE.2020.3038718 ］
Li Y ， Zheng W M ， Wang L ， Zong Y and Cui Z . 2022e . From regional to global brain： a novel hierarchical spatial-temporal neural network model for EEG emotion recognition . IEEE Transactions on Affective Computing ， 13 （ 2 ）： 568 - 578 ［ DOI： 10.1109/TAFFC.2019.2922912 http://dx.doi.org/10.1109/TAFFC.2019.2922912 ］
Li Y L ， Shen H and Hu D W . 2023 . A spiking neural network for brain-computer interface of four classes motor imagery // 3rd International Workshop on Human Brain and Artificial Intelligence . Vienna， Austria ： Springer： 148 - 160 ［ DOI： 10.1007/978-981-19-8222-4_13 http://dx.doi.org/10.1007/978-981-19-8222-4_13 ］
Liang L Y ， Bin G Y ， Chen X G ， Wang Y J ， Gao S K and Gao X R . 2021 . Optimizing a left and right visual field biphasic stimulation paradigm for SSVEP-based BCIs with hairless region behind the ear . Journal of Neural Engineering ， 18 （ 6 ）： # 066040 ［ DOI： 10.1088/1741-2552/ac40a1 http://dx.doi.org/10.1088/1741-2552/ac40a1 ］
Lin Y P and Jung T P . 2017 . Improving EEG-based emotion classification using conditional transfer learning . Frontiers in Human Neuroscience ， 11 ： # 334 ［ DOI： 10.3389/fnhum.2017.00334 http://dx.doi.org/10.3389/fnhum.2017.00334 ］
Liu B C ， Chen X G ， Li X ， Wang Y J ， Gao X R and Gao S K . 2022a . Align and pool for EEG headset domain adaptation （ALPHA） to facilitate dry electrode based SSVEP-BCI . IEEE Transactions on Biomedical Engineering ， 69 （ 2 ）： 795 - 806 ［ DOI： 10.1109/TBME.2021.3105331 http://dx.doi.org/10.1109/TBME.2021.3105331 ］
Liu B C ， Chen X G ， Shi N L ， Wang Y J ， Gao S K and Gao X R . 2021a . Improving the performance of individually calibrated SSVEP-BCI by task-discriminant component analysis . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 29 ： 1998 - 2007 ［ DOI： 10.1109/TNSRE.2021.3114340 http://dx.doi.org/10.1109/TNSRE.2021.3114340 ］
Liu C ， Jin J ， Daly I ， Li S R ， Sun H ， Huang Y T ， Wang X Y and Cichocki A . 2022b . SincNet-based hybrid neural network for motor imagery EEG decoding . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 30 ： 540 - 549 ［ DOI： 10.1109/TNSRE.2022.3156076 http://dx.doi.org/10.1109/TNSRE.2022.3156076 ］
Liu W ， Qiu J L ， Zheng W L and Lu B L . 2022c . Comparing recognition performance and robustness of multimodal deep learning models for multimodal emotion recognition . IEEE Transactions on Cognitive and Developmental Systems ， 14 （ 2 ）： 715 - 729 ［ DOI： 10.1109/TCDS.2021.3071170 http://dx.doi.org/10.1109/TCDS.2021.3071170 ］
Liu W ， Zheng W L ， Li Z Y ， Wu S Y ， Gan L and Lu B L . 2022d . Identifying similarities and differences in emotion recognition with EEG and eye movements among Chinese， German， and French people . Journal of Neural Engineering ， 19 （ 2 ）： # 026012 ［ DOI： 10.1088/1741-2552/ac5c8d http://dx.doi.org/10.1088/1741-2552/ac5c8d ］
Liu X B ， Liu B C ， Dong G Y ， Gao X R and Wang Y J . 2022e . Facilitating applications of SSVEP-based BCIs by within-subject information transfer . Frontiers in Neuroscience ， 16 ： # 863359 ［ DOI： 10.3389/fnins.2022.863359 http://dx.doi.org/10.3389/fnins.2022.863359 ］
Liu X L ， Lv L Y ， Shen Y L ， Xiong P ， Yang J L and Liu J . 2021b . Multiscale space-time-frequency feature-guided multitask learning CNN for motor imagery EEG classification . Journal of Neural Engineering ， 18 （ 2 ）： # 026003 ［ DOI： 10.1088/1741-2552/abd82b http://dx.doi.org/10.1088/1741-2552/abd82b ］
Liu Y M ， Höllerer T and Sra M . 2022f . SRI-EEG： state-based recurrent imputation for EEG artifact correction . Frontiers in Computational Neuroscience ， 16 ： # 803384 ［ DOI： 10.3389/fncom.2022.803384 http://dx.doi.org/10.3389/fncom.2022.803384 ］
Lotze M and Halsband U . 2006 . Motor imagery . Journal of Physiology-Paris ， 99 （ 4/6 ）： 386 - 395 ［ DOI： 10.1016/j.jphysparis.2006.03.012 http://dx.doi.org/10.1016/j.jphysparis.2006.03.012 ］
Luo J ， Wang Y J ， Liu G M ， Wang X F ， Lu X F and Hei X H . 2021 . Mirror convolutional neural network for motor imagery electroencephalogram recognition . Journal of Image and Graphics ， 26 （ 9 ）： 2257 - 2269
罗靖 ， 王耀杰 ， 刘光明 ， 王晓帆 ， 鲁晓锋 ， 黑新宏 . 2021 . 面向运动想象脑电图识别的镜卷积神经网络 . 中国图象图形学报 ， 26 （ 9 ）： 2257 - 2269 ［ DOI： 10.11834/jig.210072 http://dx.doi.org/10.11834/jig.210072 ］
Luo S ， Lan Y T ， Peng D ， Li Z Y ， Zheng W L and Lu B L . 2022 . Multimodal emotion recognition in response to oil paintings // Proceedings of the 44th Annual International Conference of the IEEE Engineering in Medicine and Biology Society （EMBC） . Glasgow， UK ： IEEE： 4167 - 4170 ［ DOI： 10.1109/EMBC48229.2022.9871630 http://dx.doi.org/10.1109/EMBC48229.2022.9871630 ］
Luo Y ， Zhang S Y ， Zheng W L and Lu B L . 2018 . WGAN domain adaptation for EEG-based emotion recognition // Processings of the 25th International Conference on Neural Information Processing . Siem Reap， Cambodia ： Springer： 275 - 286 ［ DOI： 10.1007/978-3-030-04221-9_25 http://dx.doi.org/10.1007/978-3-030-04221-9_25 ］
Luo Y ， Zhu L Z ， Wan Z Y and Lu B L . 2020 . Data augmentation for enhancing EEG-based emotion recognition with deep generative models . Journal of Neural Engineering ， 17 （ 5 ）： # 056021 ［ DOI： 10.1088/1741-2552/abb580 http://dx.doi.org/10.1088/1741-2552/abb580 ］
Ma B Q ， Li H ， Zheng W L and Lu B L . 2019 . Reducing the subject variability of EEG signals with adversarial domain generalization // Proceedings of the 26th International Conference on Neural Information Processing . Sydney， Australia ： Springer： 30 - 42 ［ DOI： 10.1007/978-3-030-36708-4_3 http://dx.doi.org/10.1007/978-3-030-36708-4_3 ］
Ma X L ， Qiu S and He H G . 2020 . Multi-channel EEG recording during motor imagery of different joints from the same limb . Scientific Data ， 7 （ 1 ）： # 191 ［ DOI： 10.1038/s41597-020-0535-2 http://dx.doi.org/10.1038/s41597-020-0535-2 ］
Ma X L ， Qiu S and He H G . 2022 . Time-distributed attention network for EEG-based motor imagery decoding from the same limb . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 30 ： 496 - 508 ［ DOI： 10.1109/TNSRE.2022.3154369 http://dx.doi.org/10.1109/TNSRE.2022.3154369 ］
Mane R ， Robinson N ， Vinod A P ， Lee S W and Guan C T . 2020 . A multi-view CNN with novel variance layer for motor imagery brain computer interface // Proceedings of the 42nd Annual International Conference of the IEEE Engineering in Medicine and Biology Society （EMBC） . Montreal， Canada ： IEEE： 2950 - 2953 ［ DOI： 10.1109/EMBC44109.2020.9175874 http://dx.doi.org/10.1109/EMBC44109.2020.9175874 ］
Marinou A ， Saunders R and Casson A J . 2020 . Flexible inkjet printed sensors for behind-the-ear SSVEP EEG monitoring // Proceedings of 2020 IEEE International Conference on Flexible and Printable Sensors and Systems （FLEPS） . Manchester， UK ： IEEE： 1 - 4 ［ DOI： 10.1109/FLEPS49123.2020.9239488 http://dx.doi.org/10.1109/FLEPS49123.2020.9239488 ］
McFarland D J and Wolpaw J R . 2017 . EEG-based brain-computer interfaces . Current Opinion in Biomedical Engineering ， 4 ： 194 - 200 ［ DOI： 10.1016/j.cobme.2017.11.004 http://dx.doi.org/10.1016/j.cobme.2017.11.004 ］
Meng J J ， Streitz T ， Gulachek N ， Suma D and He B . 2018 . Three-dimensional brain-computer interface control through simultaneous overt spatial attentional and motor imagery tasks . IEEE Transactions on Biomedical Engineering ， 65 （ 11 ）： 2417 - 2427 ［ DOI： 10.1109/TBME.2018.2872855 http://dx.doi.org/10.1109/TBME.2018.2872855 ］
Morioka H ， Kanemura A ， Hirayama J I ， Shikauchi M ， Ogawa T ， Ikeda S ， Kawanabe M and Ishii S . 2015 . Learning a common dictionary for subject-transfer decoding with resting calibration . NeuroImage ， 111 ： 167 - 178 ［ DOI： 10.1016/j.neuroimage.2015.02.015 http://dx.doi.org/10.1016/j.neuroimage.2015.02.015 ］
Müller-Putz G R and Pfurtscheller G . 2008 . Control of an electrical prosthesis with an SSVEP-based BCI . IEEE Transactions on Biomedical Engineering ， 55 （ 1 ）： 361 - 364 ［ DOI： 10.1109/TBME.2007.897815 http://dx.doi.org/10.1109/TBME.2007.897815 ］
Mun S ， Park M C ， Park S and Whang M . 2012 . SSVEP and ERP measurement of cognitive fatigue caused by stereoscopic 3D . Neuroscience Letters ， 525 （ 2 ）： 89 - 94 ［ DOI： 10.1016/j.neulet.2012.07.049 http://dx.doi.org/10.1016/j.neulet.2012.07.049 ］
Nakanishi M ， Wang Y J ， Chen X G ， Wang Y T ， Gao X R and Jung T P . 2018 . Enhancing detection of SSVEPs for a high-speed brain speller using task-related component analysis . IEEE Transactions on Biomedical Engineering ， 65 （ 1 ）： 104 - 112 ［ DOI： 10.1109/TBME.2017.2694818 http://dx.doi.org/10.1109/TBME.2017.2694818 ］
Nakanishi M ， Wang Y T ， Jung T P ， Zao J K ， Chien Y Y ， Diniz-Filho A ， Daga F B ， Lin Y P ， Wang Y J and Medeiros F A . 2017 . Detecting glaucoma with a portable brain-computer interface for objective assessment of visual function loss . JAMA Ophthalmology ， 135 （ 6 ）： 550 - 557 ［ DOI： 10.1001/jamaophthalmol.2017.0738 http://dx.doi.org/10.1001/jamaophthalmol.2017.0738 ］
Ortner R ， Allison B Z ， Korisek G ， Gaggl H and Pfurtscheller G . 2011 . An SSVEP BCI to control a hand orthosis for persons with tetraplegia . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 19 （ 1 ）： 1 - 5 ［ DOI： 10.1109/TNSRE.2010.2076364 http://dx.doi.org/10.1109/TNSRE.2010.2076364 ］
Ouyang G ， Dien J and Lorenz R . 2022 . Handling EEG artifacts and searching individually optimal experimental parameter in real time： a system development and demonstration . Journal of Neural Engineering ， 19 （ 1 ）： # 016016 ［ DOI： 10.1088/1741-2552/ac42b6 http://dx.doi.org/10.1088/1741-2552/ac42b6 ］
Pan J ， Gao X R ， Duan F ， Yan Z and Gao S K . 2011 . Enhancing the classification accuracy of steady-state visual evoked potential-based brain-computer interfaces using phase constrained canonical correlation analysis . Journal of Neural Engineering ， 8 （ 3 ）： # 036027 ［ DOI： 10.1088/1741-2560/8/3/036027 http://dx.doi.org/10.1088/1741-2560/8/3/036027 ］
Pan J H ， Wang L ， Huang H Y ， Xiao J ， Wang F ， Liang Q M ， Xu C W ， Li Y Q and Xie Q Y . 2022 . A hybrid brain-computer interface combining P300 potentials and emotion patterns for detecting awareness in patients with disorders of consciousness . IEEE Transactions on Cognitive and Developmental Systems ［ DOI： 10.1109/TCDS.2022.3213194 http://dx.doi.org/10.1109/TCDS.2022.3213194 ］
Pandarinath C ， Nuyujukian P ， Blabe C H ， Sorice B L ， Saab J ， Willett F R ， Hochberg L R ， Shenoy K V and Henderson J M . 2017 . High performance communication by people with paralysis using an intracortical brain-computer interface . eLife ， 6 ： # 18554 ［ DOI： 10.7554/eLife.18554 http://dx.doi.org/10.7554/eLife.18554 ］
Phothisonothai M . 2015 . An investigation of using SSVEP for EEG-based user authentication system // Proceedings of 2015 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference （APSIPA） . Hong Kong， China ： IEEE： 923 - 926 ［ DOI： 10.1109/APSIPA.2015.7415406 http://dx.doi.org/10.1109/APSIPA.2015.7415406 ］
Qiu S ， Zhang Y K ， Wu C Y ， Ma X L ， Wei W and He H G . 2021 . Research progress of brain computer interface based on fine motor imagery . AI-View ， （ 6 ）： 40 - 50
邱爽 ， 张裕坤 ， 吴晨瑶 ， 马学林 ， 魏玮 ， 何晖光 . 2021 . 基于精细运动想象的脑机接口技术研究进展 . 人工智能 ， （ 6 ）： 40 - 50 ［ DOI： 10.16453/j.cnki.ISSN2096-5036.2021.06.005 http://dx.doi.org/10.16453/j.cnki.ISSN2096-5036.2021.06.005 ］
Radecke J O ， Schierholz I ， Kral A ， Lenarz T ， Murray M M and Sandmann P . 2022 . Distinct multisensory perceptual processes guide enhanced auditory recognition memory in older cochlear implant users . NeuroImage： Clinical ， 33 ： # 102942 ［ DOI： 10.1016/j.nicl.2022.102942 http://dx.doi.org/10.1016/j.nicl.2022.102942 ］
Ramoser H ， Muller-Gerking J and Pfurtscheller G . 2000 . Optimal spatial filtering of single trial EEG during imagined hand movement . IEEE Transactions on Rehabilitation Engineering ， 8 （ 4 ）： 441 - 446 ［ DOI： 10.1109/86.895946 http://dx.doi.org/10.1109/86.895946 ］
Ren S X ， Wang W Q ， Hou Z G ， Liang X ， Wang J X and Shi W G . 2020 . Enhanced motor imagery based brain-computer interface via FES and VR for lower limbs . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 28 （ 8 ）： 1846 - 1855 ［ DOI： 10.1109/TNSRE.2020.3001990 http://dx.doi.org/10.1109/TNSRE.2020.3001990 ］
Rocco G ， Rix H ， Lebrun J ， Guetat S ， Chanquoy L ， Meste O and Magnie-Mauro M N . 2021 . Single-trial detection of event-related potentials with integral shape averaging： an application to the elusive N400//Proceedings of the 43rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society （EMBC） . Mexico ： IEEE ： 1022 - 1025 ［ DOI： 10.1109/EMBC46164.2021.9630271 http://dx.doi.org/10.1109/EMBC46164.2021.9630271 ］
Saffaryazdi N ， Wasim S T ， Dileep K ， Nia A F ， Nanayakkara S ， Broadbent E and Billinghurst M . 2022 . Using facial micro-expressions in combination with EEG and physiological signals for emotion recognition . Frontiers in Psychology ， 13 ： # 864047 ［ DOI： 10.3389/fpsyg.2022.864047 http://dx.doi.org/10.3389/fpsyg.2022.864047 ］
Sakhavi S ， Guan C T and Yan S C . 2018 . Learning temporal information for brain-computer interface using convolutional neural networks . IEEE Transactions on Neural Networks and Learning Systems ， 29 （ 11 ）： 5619 - 5629 ［ DOI： 10.1109/TNNLS.2018.2789927 http://dx.doi.org/10.1109/TNNLS.2018.2789927 ］
Schirrmeister R T ， Springenberg J T ， Fiederer L D J ， Glasstetter M ， Eggensperger K ， Tangermann M ， Hutter F ， Burgard W and Ball T . 2017 . Deep learning with convolutional neural networks for EEG decoding and visualization . Human Brain Mapping ， 38 （ 11 ）： 5391 - 5420 ［ DOI： 10.1002/hbm.23730 http://dx.doi.org/10.1002/hbm.23730 ］
Sellers E W ， Krusienski D J ， Mcfarland D J ， Vaughan T M and Wolpaw J R . 2006 . A P300 event-related potential brain-computer interface （BCI）： the effects of matrix size and inter stimulus interval on performance . Biological Psychology ， 73 （ 3 ）： 242 - 252 ［ DOI： 10.1016/j.biopsycho.2006.04.007 http://dx.doi.org/10.1016/j.biopsycho.2006.04.007 ］
Shen X K ， Liu X G ， Hu X ， Zhang D and Song S . 2022 . Contrastive learning of subject-invariant EEG representations for cross-subject emotion recognition . IEEE Transactions on Affective Computing ［ DOI： 10.48550/arXiv.2109.09559 http://dx.doi.org/10.48550/arXiv.2109.09559 ］
Shetty A ， Hebbar S P ， Shenoy R ， Peter V and Krishnan G . 2022 . A prime-masked ERP investigation on phonology in visual word processing among bilingual speakers of alphasyllabic and alphabetic orthographies . Scientific Reports ， 12 （ 1 ）： # 9870 ［ DOI： 10.1038/s41598-022-13654-8 http://dx.doi.org/10.1038/s41598-022-13654-8 ］
Shi N L ， Wang L P ， Chen Y H ， Yan X Y ， Yang C ， Wang Y J and Gao X R . 2020 . Steady-state visual evoked potential （SSVEP）-based brain-computer interface （BCI） of Chinese speller for a patient with amyotrophic lateral sclerosis： a case report . Journal of Neurorestoratology ， 8 （ 1 ）： 40 - 52 ［ DOI： 10.26599/JNR.2020.9040003 http://dx.doi.org/10.26599/JNR.2020.9040003 ］
Shih J J ， Krusienski D J and Wolpaw J R . 2012 . Brain-computer interfaces in medicine . Mayo Clinic Proceedings ， 87 （ 3 ）： 268 - 279 ［ DOI： 10.1016/j.mayocp.2011.12.008 http://dx.doi.org/10.1016/j.mayocp.2011.12.008 ］
Sicard V ， Harrison A T and Moore R D . 2021 . Psycho-affective health， cognition， and neurophysiological functioning following sports-related concussion in symptomatic and asymptomatic athletes， and control athletes . Scientific Reports ， 11 （ 1 ）： # 13838 ［ DOI： 10.1038/s41598-021-93218-4 http://dx.doi.org/10.1038/s41598-021-93218-4 ］
Sosulski J ， Kemmer J P and Tangermann M . 2021 . Improving covariance matrices derived from tiny training datasets for the classification of event-related potentials with linear discriminant analysis . Neuroinformatics ， 19 （ 3 ）： 461 - 476 ［ DOI： 10.1007/s12021-020-09501-8 http://dx.doi.org/10.1007/s12021-020-09501-8 ］
Steidtmann D ， Ingram R E and Siegle G J . 2010 . Pupil response to negative emotional information in individuals at risk for depression . Cognition and Emotion ， 24 （ 3 ）： 480 - 496 ［ DOI： 10.1080/02699930902738897 http://dx.doi.org/10.1080/02699930902738897 ］
Tan Y ， Zang B Y ， Lin Y F and Gao X R . 2021 . A convolution network of multi-windows spatial-temporal feature analysis for single-trial EEG classification in RSVP task // Proceedings of the 14th International Congress on Image and Signal Processing， BioMedical Engineering and Informatics （CISP-BMEI） . Shanghai， China ： IEEE： 1 - 6 ［ DOI： 10.1109/CISP-BMEI53629.2021.9624450 http://dx.doi.org/10.1109/CISP-BMEI53629.2021.9624450 ］
Tang Y C ， Zhang J J ， Corballis P M and Hallum L E . 2021 . Towards the classification of error-related potentials using riemannian geometry // Proceedings of the 43rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society （EMBC） . Mexico ： IEEE： 5905 - 5908 ［ DOI： 10.1109/EMBC46164.2021.9629583 http://dx.doi.org/10.1109/EMBC46164.2021.9629583 ］
Tang Z C ， Zhang L T ， Chen X ， Ying J C ， Wang X Y and Wang H . 2022 . Wearable supernumerary robotic limb system using a hybrid control approach based on motor imagery and object detection . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 30 ： 1298 - 1309 ［ DOI： 10.1109/TNSRE.2022.3172974 http://dx.doi.org/10.1109/TNSRE.2022.3172974 ］
Tangermann M ， Müller K R ， Aertsen A ， Birbaumer N ， Braun C ， Brunner C ， Leeb R ， Mehring C ， Miller K J ， Müller-Putz G R ， Nolte G ， Pfurtscheller G ， Preissl H ， Schalk G ， Schlögl A ， Vidaurre C ， Waldert S and Blankertz B . 2012 review of the BCI competition IV . Frontiers in Neuroscience ， 6 ： # 55 ［ DOI： 10.3389/fnins.2012.00055 http://dx.doi.org/10.3389/fnins.2012.00055 ］
Townsend G and Platsko V . 2016 . Pushing the P300-based brain-computer interface beyond 100 bpm： extending performance guided constraints into the temporal domain . Journal of Neural Engineering ， 13 （ 2 ）： # 026024 ［ DOI： 10.1088/1741-2560/13/2/026024 http://dx.doi.org/10.1088/1741-2560/13/2/026024 ］
Valstar M ， Schuller B ， Smith K ， Eyben F ， Jiang B ， Bilakhia S ， Schnieder S ， Cowie R and Pantic M . 2013 . Avec 2013： the continuous audio/visual emotion and depression recognition challenge // Proceedings of the 3rd ACM International Workshop on Audio/Visual Emotion Challenge . Barcelona， Spain ： ACM： #2512533 ［ DOI： 10.1145/2512530.2512533 http://dx.doi.org/10.1145/2512530.2512533 ］
Vařeka L and Ladouce S . 2021 . Prediction of navigational decisions in the real-world： a visual P300 event-related potentials brain-computer interface . International Journal of Human-Computer Interaction ， 37 （ 14 ）： 1375 - 1389 ［ DOI： 10.1080/10447318.2021.1888510 http://dx.doi.org/10.1080/10447318.2021.1888510 ］
Velasco-Álvarez F ， Fernndez-Rodríguez Á ， Medina-Juli M T and Ron-Angevin R . 2021a . Speech stream segregation to control an ERP-based auditory BCI . Journal of Neural Engineering ， 18 （ 2 ）： # 026023 ［ DOI： 10.1088/1741-2552/abdd44 http://dx.doi.org/10.1088/1741-2552/abdd44 ］
Velasco-Álvarez F ， Fernndez-Rodríguez Á and Ron-Angevin R . 2022 . Brain-computer interface （BCI）-generated speech to control domotic devices . Neurocomputing ， 509 ： 121 - 136 ［ DOI： 10.1016/j.neucom.2022.08.068 http://dx.doi.org/10.1016/j.neucom.2022.08.068 ］
Velasco-Álvarez F ， Fernndez-Rodríguez Á ， Vizcaíno-Martín F J ， Díaz-Estrella A and Ron-Angevin R . 2021b . Brain-computer interface （BCI） control of a virtual assistant in a smartphone to manage messaging applications . Sensors ， 21 （ 11 ）： # 3716 ［ DOI： 10.3390/s21113716 http://dx.doi.org/10.3390/s21113716 ］
Vidal J J . 1973 . Toward direct brain-computer communication . Annual Review of Biophysics and Bioengineering ， 2 （ 1 ）： 157 - 180 ［ DOI： 10.1146/annurev.bb.02.060173.001105 http://dx.doi.org/10.1146/annurev.bb.02.060173.001105 ］
Volosyak I ， Gembler F and Stawicki P . 2017 . Age-related differences in SSVEP-based BCI performance . Neurocomputing ， 250 ： 57 - 64 ［ DOI： 10.1016/j.neucom.2016.08.121 http://dx.doi.org/10.1016/j.neucom.2016.08.121 ］
Wang F ， Zhang W W ， Xu Z F ， Ping J Y and Chu H . 2021 . A deep multi-source adaptation transfer network for cross-subject electroencephalogram emotion recognition . Neural Computing and Applications ， 33 （ 15 ）： 9061 - 9073 ［ DOI： 10.1007/s00521-020-05670-4 http://dx.doi.org/10.1007/s00521-020-05670-4 ］
Wang P P ， Wang M L ， Zhou Y Y ， Xu Z M and Zhang D Q . 2022 . Multiband decomposition and spectral discriminative analysis for motor imagery BCI via deep neural network . Frontiers of Computer Science ， 16 （ 5 ）： # 165328 ［ DOI： 10.1007/s11704-021-0587-2 http://dx.doi.org/10.1007/s11704-021-0587-2 ］
Wang P T ， Lu J ， Zhang B and Tang Z . 2015 . A review on transfer learning for brain-computer interface classification // Proceedings of the 5th International Conference on Information Science and Technology （ICIST） . Changsha， China ： IEEE： 315 - 322 ［ DOI： 10.1109/ICIST.2015.7288989 http://dx.doi.org/10.1109/ICIST.2015.7288989 ］
Wei W ， Qiu S ， Ma X L ， Li D ， Wang B and He H G . 2020 . Reducing calibration efforts in rsvp tasks with multi-source adversarial domain adaptation . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 28 （ 11 ）： 2344 - 2355 ［ DOI： 10.1109/TNSRE.2020.3023761 http://dx.doi.org/10.1109/TNSRE.2020.3023761 ］
Wei W ， Qiu S ， Zhang Y K ， Mao J Y and He H G . 2022 . ERP prototypical matching net： a meta-learning method for zero-calibration RSVP-based image retrieval . Journal of Neural Engineering ， 19 （ 2 ）： # 026028 ［ DOI： 10.1088/1741-2552/ac5eb7 http://dx.doi.org/10.1088/1741-2552/ac5eb7 ］
Willett F R ， Avansino D T ， Hochberg L R ， Henderson J M and Shenoy K V . 2021 . High-performance brain-to-text communication via handwriting . Nature ， 593 （ 7858 ）： 249 - 254 ［ DOI： 10.1038/s41586-021-03506-2 http://dx.doi.org/10.1038/s41586-021-03506-2 ］
Wolpaw J R ， Birbaumer N ， Mcfarland D J ， Pfurtscheller G and Vaughan T M . 2002 . Brain-computer interfaces for communication and control . Clinical Neurophysiology ， 113 （ 6 ）： 767 - 791 ［ DOI： 10.1016/S1388-2457（02）00057-3 http://dx.doi.org/10.1016/S1388-2457（02）00057-3 ］
Wolpaw J R and Wolpaw E W . 2017 . Brain-Computer Interfaces： Principles and Practice. Fu Y F， Yang Q H， Xu B L and Li Y C， trans . Beijing ： National Defense Industry Press
Wolpaw J R and Wolpaw E W . 2017 . 脑—机接口： 原理与实践 . 伏云发， 杨秋红， 徐宝磊， 李永程 ， 译 . 北京 ： 国防工业出版社
Wong C M ， Wan F ， Wang B Y ， Wang Z ， Nan W Y ， Lao K F ， Mak P U ， Vai M I and Rosa A . 2020 . Learning across multi-stimulus enhances target recognition methods in SSVEP-based BCIs . Journal of Neural Engineering ， 17 （ 1 ）： # 016026 ［ DOI： 10.1088/1741-2552/ab2373 http://dx.doi.org/10.1088/1741-2552/ab2373 ］
Wong C M ， Wang Z ， Nakanishi M ， Wang B Y ， Rosa A ， Chen C L P ， Jung T P and Wan F . 2022 . Online adaptation boosts SSVEP-based BCI performance . IEEE Transactions on Biomedical Engineering ， 69 （ 6 ）： 2018 - 2028 ［ DOI： 10.1109/TBME.2021.3133594 http://dx.doi.org/10.1109/TBME.2021.3133594 ］
Wu D R ， Xu Y F and Lu B L . 2022 . Transfer learning for EEG-based brain–computer interfaces： a review of progress made since 2016 . IEEE Transactions on Cognitive and Developmental Systems ， 14 （ 1 ）： 4 - 19 ［ DOI： 10.1109/TCDS.2020.3007453 http://dx.doi.org/10.1109/TCDS.2020.3007453 ］
Xia K ， Deng L F ， Duch W and Wu D R . 2022 . Privacy-preserving domain adaptation for motor imagery-based brain-computer interfaces . IEEE Transactions on Biomedical Engineering ， 69 （ 11 ）： 3365 - 3376 ［ DOI： 10.1109/TBME.2022.3168570 http://dx.doi.org/10.1109/TBME.2022.3168570 ］
Xiao J ， He Y B ， Yu T Y ， Pan J H ， Xie Q Y ， Cao C Y ， Zheng H Y ， Huang W T ， Gu Z H ， Yu Z L and Li Y Q . 2022 . Toward assessment of sound localization in disorders of consciousness using a hybrid audiovisual brain-computer interface . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 30 ： 1422 - 1432 ［ DOI： 10.1109/TNSRE.2022.3176354 http://dx.doi.org/10.1109/TNSRE.2022.3176354 ］
Xiao X L ， Xu M P ， Han J ， Yin E W ， Liu S ， Zhang X ， Jung T P and Ming D . 2021 . Enhancement for P300-speller classification using multi-window discriminative canonical pattern matching . Journal of Neural Engineering ， 18 （ 4 ）： # 046079 ［ DOI： 10.1088/1741-2552/ac028b http://dx.doi.org/10.1088/1741-2552/ac028b ］
Xu M P ， Han J ， Wang Y J ， Jung T P and Ming D . 2020 . Implementing over 100 command codes for a high-speed hybrid brain-computer interface using concurrent P300 and SSVEP features . IEEE Transactions on Biomedical Engineering ， 67 （ 11 ）： 3073 - 3082 ［ DOI： 10.1109/TBME.2020.2975614 http://dx.doi.org/10.1109/TBME.2020.2975614 ］
Yadav S ， Saha S K ， Kar R and Mandal D . 2022 . EEG/ERP signal enhancement through an optimally tuned adaptive filter based on marine predators algorithm . Biomedical Signal Processing and Control ， 73 ： # 103427 ［ DOI： 10.1016/j.bspc.2021.103427 http://dx.doi.org/10.1016/j.bspc.2021.103427 ］
Yan W Q ， Wu Y C ， Du C H and Xu G H . 2022 . An improved cross-subject spatial filter transfer method for SSVEP-based BCI . Journal of Neural Engineering ， 19 （ 4 ）： # 046028 ［ DOI： 10.1088/1741-2552/ac81ee http://dx.doi.org/10.1088/1741-2552/ac81ee ］
Yan X ， Zhao L M and Lu B L . 2021 . Simplifying multimodal emotion recognition with single eye movement modality // Proceedings of the 29th ACM International Conference on Multimedia . Chengdu， China ： ACM： 1057 - 1063 ［ DOI： 10.1145/3474085.3475701 http://dx.doi.org/10.1145/3474085.3475701 ］
Yang B H ， Ma J ， Qiu W Z ， Zhang J and Wang X F . 2022 . The unilateral upper limb classification from fMRI-weighted EEG signals using convolutional neural network . Biomedical Signal Processing and Control ， 78 ： # 103855 ［ DOI： 10.1016/j.bspc.2022.103855 http://dx.doi.org/10.1016/j.bspc.2022.103855 ］
Yang C ， Han X ， Wang Y J ， Saab R ， Gao S K and Gao X R . 2018 . A dynamic window recognition algorithm for SSVEP-based brain-computer interfaces using a spatio-temporal equalizer . International Journal of Neural Systems ， 28 （ 10 ）： # 1850028 ［ DOI： 10.1142/S0129065718500284 http://dx.doi.org/10.1142/S0129065718500284 ］
Yang C ， Yan X Y ， Wang Y J ， Chen Y H ， Zhang H X and Gao X R . 2021 . Spatio-temporal equalization multi-window algorithm for asynchronous SSVEP-based BCI . Journal of Neural Engineering ， 18 （ 4 ）： #0460 b 7 ［ DOI： 10.1088/1741-2552/ac127f http://dx.doi.org/10.1088/1741-2552/ac127f ］
Yang C ， Zhang H X ， Zhang S G ， Han X ， Gao S K and Gao X R . 2020 . The spatio-temporal equalization for evoked or event-related potential detection in multichannel EEG data . IEEE Transactions on Biomedical Engineering ， 67 （ 8 ）： 2397 - 2414 ［ DOI： 10.1109/TBME.2019.2961743 http://dx.doi.org/10.1109/TBME.2019.2961743 ］
Yin A ， Tseng P H ， Rajangam S ， Lebedev M A and Nicolelis M A L . 2018 . Place cell-like activity in the primary sensorimotor and premotor cortex during monkey whole-body navigation . Scientific Reports ， 8 （ 1 ）： # 9184 ［ DOI： 10.1038/s41598-018-27472-4 http://dx.doi.org/10.1038/s41598-018-27472-4 ］
Yu T Y ， Xiao J ， Wang F Y ， Zhang R ， Gu Z H ， Cichocki A and Li Y Q . 2015 . Enhanced motor imagery training using a hybrid BCI with feedback . IEEE Transactions on Biomedical Engineering ， 62 （ 7 ）： 1706 - 1717 ［ DOI： 10.1109/TBME.2015.2402283 http://dx.doi.org/10.1109/TBME.2015.2402283 ］
Zhang D and Li J W . 2017 . Exploring the power of mind： status and prospect of brain-computer interfaces . Science and Technology Review ， 35 （ 9 ）： 62 - 67
张丹 ， 李佳蔚 . 2021 . 探索思维的力量： 脑机接口研究现状与展望 . 科技导报 ， 35 （ 9 ）： 62 - 67 ［ DOI： 10.3981/j.issn.1000-7857.2017.09.008 http://dx.doi.org/10.3981/j.issn.1000-7857.2017.09.008 ］
Zhang K S ， Robinson N ， Lee S W and Guan C T . 2021a . Adaptive transfer learning for EEG motor imagery classification with deep convolutional neural network . Neural Networks ， 136 ： 1 - 10 ［ DOI： 10.1016/j.neunet.2020.12.013 http://dx.doi.org/10.1016/j.neunet.2020.12.013 ］
Zhang S ， Tang C G and Guan C T . 2022b . Visual-to-EEG cross-modal knowledge distillation for continuous emotion recognition . Pattern Recognition ， 130 ： # 108833 ［ DOI： 10.1016/j.patcog.2022.108833 http://dx.doi.org/10.1016/j.patcog.2022.108833 ］
Zhang S G ， Chen X G ， Wang Y J ， Liu B L and Gao X R . 2022a . Visual field inhomogeneous in brain-computer interfaces based on rapid serial visual presentation . Journal of Neural Engineering ， 19 （ 1 ）： # 016015 ［ DOI： 10.1088/1741-2552/ac4a3e http://dx.doi.org/10.1088/1741-2552/ac4a3e ］
Zhang X Y ， Qiu S ， Zhang Y K ， Wang K N ， Wang Y J and He H G . 2022c . Bidirectional Siamese correlation analysis method for enhancing the detection of SSVEPs . Journal of Neural Engineering ， 19 （ 4 ）： # 046027 ［ DOI： 10.1088/1741-2552/ac823e http://dx.doi.org/10.1088/1741-2552/ac823e ］
Zhang Y ， Cheng C and Zhang Y D . 2021b . Multimodal emotion recognition using a hierarchical fusion convolutional neural network . IEEE Access ， 9 ： 7943 - 7951 ［ DOI： 10.1109/ACCESS.2021.3049516 http://dx.doi.org/10.1109/ACCESS.2021.3049516 ］
Zhang Y ， Zhou G X ， Jin J ， Wang M J ， Wang X Y and Cichocki A . 2013 . L1-regularized multiway canonical correlation analysis for SSVEP-based BCI . IEEE Transactions on Neural Systems and Rehabilitation Engineering ， 21 （ 6 ）： 887 - 896 ［ DOI： 10.1109/tnsre.2013.2279680 http://dx.doi.org/10.1109/tnsre.2013.2279680 ］
Zhang Y ， Zhou G X ， Jin J ， Wang X Y and Cichocki A . 2014 . Frequency recognition in SSVEP-based BCI using multiset canonical correlation analysis . International Journal of Neural Systems ， 24 （ 4 ）： # 1450013 ［ DOI： 10.1142/S0129065714500130 http://dx.doi.org/10.1142/S0129065714500130 ］
Zhang Y B ， Shen H ， Li M and Hu D W . 2022d . Brain biometrics of steady state visual evoked potential functional networks . IEEE Transactions on Cognitive and Developmental Systems ［ DOI： 10.1109/TCDS.2022.3160295 http://dx.doi.org/10.1109/TCDS.2022.3160295 ］
Zhang Y S ， Guo D Q ， Yao D Z and Xu P . 2017 . The extension of multivariate synchronization index method for SSVEP-based BCI . Neurocomputing ， 269 ： 226 - 231 ［ DOI： 10.1016/j.neucom.2017.03.082 http://dx.doi.org/10.1016/j.neucom.2017.03.082 ］
Zhao L M ， Yan X and Lu B L . 2021a . Plug-and-play domain adaptation for cross-subject EEG-based emotion recognition . Proceedings of the AAAI Conference on Artificial Intelligence ， 35 （ 1 ）： 863 - 870 ［ DOI： 10.1609/aaai.v35i1.16169 http://dx.doi.org/10.1609/aaai.v35i1.16169 ］
Zhao X ， Wang Z Y ， Zhang M and Hu H L . 2021b . A comfortable steady state visual evoked potential stimulation paradigm using peripheral vision . Journal of Neural Engineering ， 18 （ 5 ）： # 056021 ［ DOI： 10.1088/1741-2552/abf397 http://dx.doi.org/10.1088/1741-2552/abf397 ］
Zheng W L ， Liu W ， Lu Y F ， Lu B L and Cichocki A . 2019 . EmotionMeter： a multimodal framework for recognizing human emotions . IEEE Transactions on Cybernetics ， 49 （ 3 ）： 1110 - 1122 ［ DOI： 10.1109/TCYB.2018.2797176 http://dx.doi.org/10.1109/TCYB.2018.2797176 ］
Zheng W L and Lu B L . 2016 . Personalizing EEG-based affective models with transfer learning // Proceedings of the 25th International Joint Conference on Artificial Intelligence . New York， USA ： AAAI Press： 2732 - 2738
Zhou X Y ， Xu M P ， Xiao X L ， Wang Y J ， Jung T P and Ming D . 2021 . Detection of fixation points using a small visual landmark for brain-computer interfaces . Journal of Neural Engineering ， 18 （ 4 ）： # 046098 ［ DOI： 10.1088/1741-2552/ac0b51 http://dx.doi.org/10.1088/1741-2552/ac0b51 ］
Zhou Y J ， He S H ， Huang Q Y and Li Y Q . 2020 . A hybrid asynchronous brain-computer interface combining SSVEP and EOG signals . IEEE Transactions on Biomedical Engineering ， 67 （ 10 ）： 2881 - 2892 ［ DOI： 10.1109/TBME.2020.2972747 http://dx.doi.org/10.1109/TBME.2020.2972747 ］
Zhu Y L ， Li Y ， Lu J L and Li P C . 2021 . EEGNet with ensemble learning to improve the cross-session classification of SSVEP based BCI from Ear-EEG . IEEE Access ， 9 ： 15295 - 15303 ［ DOI： 10.1109/ACCESS.2021.3052656 http://dx.doi.org/10.1109/ACCESS.2021.3052656 ］
相关文章
相关作者
相关机构
京公网安备11010802024621
