用于运动图像测试和训练的实验设计

首先，打开软件工具以设计和运行电机图像场景。导航到文件并加载标记为信号验证、采集、CSP 训练、分类器训练、测试和混淆矩阵的六个运动图像 BCI 场景。导航到 Signal Verification 场景，并使用设计器框将 1 到 40 赫兹之间的带通滤波器（滤波器阶数为 4）应用于原始信号。

引导参与者完成运动意象任务，想象手部动作以响应视觉提示。打开用于 Motor Imagery Training 的文件，并通过 VR 头戴式设备显示站在一组邦戈鼓上的准备好的 3D 头像。导航到 Acquisition Scenario，然后双击 Graz Motor Imagery Stimulator 以配置该框。

配置 50 次试验，每次 5 秒，用于左手和右手移动。纳入第 22 个基线期，然后在每 10 次试验后休息 10 秒，以避免精神疲劳。将左手和右手试验配置为随机化，并在试验之前添加一个提示，指示要想象的手。

将 OSC 盒子与 IP 地址和端口连接起来，将要想象的手的提示传输到运动意象训练游戏引擎程序。然后用湿巾对 VR 耳机进行消毒，并将其放在参与者的头上，以便在捕获 EEG 数据的同时促进身临其境的互动。指导参与者想象与 3D 虚拟形象一起执行他们的手的移动，当虚拟形象用相应的手敲击邦戈鼓时，按照与虚拟形象相同的速度，并带有显示要想象的手的文本提示。

采集后，运行 CSP 训练场景以分析采集阶段的 EEG 数据。创建筛选器以区分左侧和右侧图像并计算 CSP。在 CSP 训练后，导航到 Classifier Training 场景并运行它，为实时虚拟形象控制准备系统。

然后导航到测试场景，并允许参与者使用脑机接口技术实时控制他们的 3D 头像。为了实时解释想象的动作，将在场景期间根据 EEG 数据训练的分类器加载到适当的框中。向参与者简要介绍测试程序，强调需要清楚地想象文本提示提示的手部动作。

为每位参与者进行 20 次试验，平均分为想象左手和右手的运动和随机分组。连接并配置 OSC 盒子以传输球杆信息，该信息将显示为文本，并指示要在游戏引擎程序中成像的手牌。连接到另一个 OSC 盒子，以传输游戏引擎程序的左右手移动的预测值。

运行 testing scenario 和 motor imagery testing game engine 程序。观察程序是否根据手部运动播放相应的动画。五名年龄在 21 至 38 岁之间的健康成年人在运动意象训练和测试条件下参与了这项研究。

所有受试者的平均混淆矩阵用于评估分类器在两次会议期间区分左右运动意象信号的准确性。来自运动意象训练的 CSP 权重的地形模式在两个运动意象方向上都可视化。对来自对侧传感器运动区域的 EEG 数据进行了时频分析，以确定运动任务期间与事件相关的频谱扰动。