近些年来，人们越来越关注如何在机器人学习复杂的任务中利用人类的反馈将机器与人类学习的能力结合在一起，其中，大多数的工作都是依靠多种方式来提供反馈(语音、图形界面、手势等等)转化为机器可用的信号。本毕业设计论文旨在探究不同的通信信道与人的错误感知相关的认知EEG脑信号，在这之中特别考虑了错误相关电位，一些研究表明，当个体在感知发生错误时，在其头皮额中央区可以记录到一个与错误反应特定相关的波形，称为错误相关电位(error-related potentials, ErrP)。ErrP是一种稳定的电位，受到生理结构变化的影响很小，即使是在几个月之后，基于ErrP训练的分类器具有同样的性能。基于ErrP的脑机接口由于系统稳定、无需长时间训练等优点，具有很高价值的研究潜力。基于这种想法，设计一个基于ErrP的反馈系统，当用户感知到自己或外部机器所犯的错误时，系统可以自动检测到错误发生并告知控制终端。

1.1 研究目的及意义

在学习和处理复杂的任务时，机器人通常面临着巨大的动作状态空间，如果不事先了解环境的结构，对这些空间的探索是非常困难的，同时应当尽量避免一切潜在的危险来源，以免对机器人或机器人周围的人造成危险。人本身对任务的理解和知识，可以在机器人操作过程中通过一定程度的反馈来提供有关学习或控制的信息，事实上，这种反馈方式是一种非常强大的方式，普遍应用在机器人学习复杂任务的过程之中。这种在机器人操作和学习过程中使用人的反馈，是需要人与机器人之间进行某种形式的交流的，其中最常见的形式包括语音手势和肢体互动。这一领域的大多数研究都采用了强化学习框架，即在学习过程中融入人的反馈。由于反馈是通过人与机器人之间的互动产生的，所以人可以根据自己对任务的理解来得出反馈。一些研究人员研究了如何对二元反馈(如赞成或反对)建模，并将其纳入学习过程中，在互动过程中，人们不仅提供反馈，而且往往会为未来的行动提供指导。

利用错误相关负电位可以去探索一种不同的通信通道，以提供反馈给机器人使用的大脑信号，保证机器的控制效果。对错误反应的研究的主要目的，在于探索错误对人类适应性行为的重要作用。错误反应如何引发后续的行为调整，成为未来的研究焦点之一。

1.2 国内外研究现状

脑机接口(brain computer interface，BCI)是近年来国内外相继提出的一种只用大脑活动与虚拟或真实设备进行交流的方法。在 20 世纪 60 年代末期，关于猴子的 BCI 研究表明了单个皮层神经元的信号可以用于控制米针，从此，BCI 技术越来越多的成为研究者的焦点。Sitaram和Ruiz等人发现，脑电信号的神经反馈不仅可以绕过大脑的自然运动输出，也可以改变脑信号的感觉输入，甚至还可以修改认知状态和行为。在这之后Shih和Krusienski等人证明，直接由皮层表面记录的信号（Electrocorticography，ECo G）能够实现在电脑屏幕上准确拼写单词的功能，为BCI的研究和发展开辟了一条全新的途径^[1]。早在1990年，Falkenstein等人将一种特殊的电生理信号称为错误相关负电位ErrP，并认为其具有监测和检测在某些任务中错误行为的能力。