基于想象運(yùn)動(dòng)的腦電信號(hào)處理算法的研究.pdf

1、人的大腦控制人的行為。當(dāng)人需要進(jìn)行某種行為時(shí)，在大腦中就會(huì)產(chǎn)生一定的思維活動(dòng)，經(jīng)過(guò)神經(jīng)傳遞給相關(guān)肌肉組織，由肌肉收縮產(chǎn)生相應(yīng)的動(dòng)作，這就是運(yùn)動(dòng)的過(guò)程。然而，有些患者由于神經(jīng)組織病變等原因，不能將大腦信號(hào)傳遞給肌肉，因而不能進(jìn)行相應(yīng)的動(dòng)作。所以，為了使這部分人生活更方便，一種新的技術(shù)—腦-機(jī)接口技術(shù)于上世紀(jì)就產(chǎn)生了。腦-機(jī)接口(brain-computerinterface，BCI)是—種新的通信通道，它可以將人腦的意圖轉(zhuǎn)化為對(duì)外部設(shè)備的

2、控制信號(hào)，而不需要通過(guò)人的外周神經(jīng)和肌肉組織。
　　 本義針對(duì)基于運(yùn)動(dòng)想象的BCI信號(hào)處理技術(shù)進(jìn)行了研究，研究了受試者在執(zhí)行兩個(gè)和多個(gè)運(yùn)動(dòng)想象任務(wù)下的腦電信號(hào)的特征提取和分類算法。由于腦電信號(hào)的信噪比低，所以BCI面臨的主要問(wèn)題之一是分類識(shí)別率低。為了提高BCI的分類識(shí)別率，必須研究有效的特征提取和模式分類方法。在兩類任務(wù)條件下，本文結(jié)合空間濾波和自適應(yīng)自回歸模型提取腦電特征，采用Fisher線性判別來(lái)進(jìn)行分類，得到每個(gè)采樣點(diǎn)的

3、分類正確率；在研究AR模型的基礎(chǔ)上，采用空間濾波結(jié)合AR模型的方法來(lái)提取特征，也得到了好的分類正確率，同時(shí)算法簡(jiǎn)單，計(jì)算速度快；盲源分離技術(shù)是一種新的、熱門(mén)的信號(hào)處理技術(shù)，本文結(jié)合AR模型和負(fù)熵以及功率譜估計(jì)來(lái)提取特征，結(jié)果表明這是一種可行的腦電特征提取方法；最后，通過(guò)雅克比旋轉(zhuǎn)(Jacobi Rotations)來(lái)進(jìn)行近似聯(lián)合對(duì)角化，將二分類CSP算法擴(kuò)展到三分類中，實(shí)驗(yàn)結(jié)果證明了此法的有效性。
　　 本文所有算法都在MATL