想象左右手運(yùn)動的意識任務(wù)分類研究.pdf

1、腦-計算機(jī)接口(Brain Computer Interface，BCI)技術(shù)可以提供一種不依賴于人體外周神經(jīng)系統(tǒng)及肌肉組織、建立人與周圍環(huán)境間信息交流與控制的新型通道。近年來，基于腦電(Electroencephalogram，EEG)信號的BCI技術(shù)已成為康復(fù)領(lǐng)域新的研究熱點(diǎn)。本文的研究目的是利用人的自發(fā)腦電，識別幾種特定的意識任務(wù)形成較為復(fù)雜的控制命令，實(shí)現(xiàn)人腦與計算機(jī)間的信息交換，希望為有嚴(yán)重行為障礙的殘疾人提供幫助。這種基于自

2、發(fā)腦電的BCI系統(tǒng)，由于系統(tǒng)簡單(腦電記錄簡單且無創(chuàng))，不需要外部刺激裝置，訓(xùn)練過程短，因此適應(yīng)范圍廣，是一種非常有前途的BCI系統(tǒng)。但從頭皮上獲得的自發(fā)腦電信號的信噪比低，因此有效的EEG信號處理方法是BCI研究的一項(xiàng)關(guān)鍵技術(shù)。本論文在總結(jié)前人工作的基礎(chǔ)上，對EEG信號進(jìn)行了以下幾個方面的深入研究。 (1)腦電信號的預(yù)處理由于腦電信號本身極其微弱，非常容易受到各種干擾與噪聲的影響，因此對腦電信號的去噪是必要的。本文分別采用了小

3、波變換、卡爾曼濾波去除EEG信號中的心電、眼動偽跡、腦電等干擾信號，并且都取得了很好的效果。 (2)提取腦電信號的多個特征量有效的提取大腦思維活動的意識信息是BCI研究的關(guān)鍵技術(shù)之一，是正確識別不同意識模式的基礎(chǔ)。本論文基于小波變換和shannon熵概念的小波熵、基于Lempel-Ziv算法的復(fù)雜性度量—C0、C1、C2復(fù)雜度、Pincus等提出的近似熵和Richman等提出的樣本熵四種方法，來實(shí)現(xiàn)想象左右手運(yùn)動兩種意識任務(wù)的特

4、征提取；并且分析比較其優(yōu)缺點(diǎn)。最終分類結(jié)果表明：采用小波熵和復(fù)雜度可獲得較好的分類效果。 (3)意識任務(wù)分類器的設(shè)計分類器的設(shè)計是BCI系統(tǒng)中的另一十分重要的環(huán)節(jié)，分類器的性能將直接影響B(tài)CI系統(tǒng)的性能。本文采用了Fisher線性判別、RBF神經(jīng)網(wǎng)絡(luò)、K均值RBF神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)(Support VectorMachine，SVM)四種分類方法。其中，支持向量機(jī)以統(tǒng)計學(xué)習(xí)理論為基礎(chǔ)，它不僅要求最優(yōu)分類面將兩類樣本無錯誤的分開

5、，而且要使類間間隔最大，從而保證真實(shí)風(fēng)險最小，能夠較好地解決了小樣本的分類問題。應(yīng)用四種分類方法分別對想象左右手運(yùn)動兩種意識任務(wù)進(jìn)行分類，并對不同分類器的分類結(jié)果進(jìn)行了比較，分析優(yōu)缺點(diǎn)。最終分類結(jié)果表明：支持向量機(jī)的分類正確率最高，能夠很好的識別出想象左右手運(yùn)動兩種意識任務(wù)，取得了理想的分類效果。 最后，研究結(jié)果表明：當(dāng)提取適當(dāng)?shù)?、可反映不同意識任務(wù)狀態(tài)的有效信息，并采用合適的的分類器時，不同的意識任務(wù)狀態(tài)能夠正確的分類識別。其