基于運(yùn)動(dòng)想象的腦電信號識(shí)別算法研究.pdf

1、作為人體的控制中樞，大腦擔(dān)負(fù)著多項(xiàng)重要職責(zé)，了解大腦構(gòu)造、認(rèn)識(shí)其工作原理，有助于推進(jìn)腦科學(xué)、康復(fù)工程與智能信息處理等領(lǐng)域的發(fā)展。腦機(jī)接口技術(shù)（BCI）是腦科學(xué)研究領(lǐng)域發(fā)展較為成熟的技術(shù)之一，該技術(shù)可以借助大腦進(jìn)行不同思維活動(dòng)時(shí)產(chǎn)生的信號，實(shí)現(xiàn)大腦與外部環(huán)境的直接交流?；谶\(yùn)動(dòng)想象產(chǎn)生的腦電（EEG）數(shù)據(jù)，是目前BCI領(lǐng)域內(nèi)應(yīng)用范圍較廣的一種大腦信號形式，具有良好的實(shí)踐效果。EEG數(shù)據(jù)中蘊(yùn)含了大量腦內(nèi)活動(dòng)的狀態(tài)信息，對其進(jìn)行特征提取與識(shí)別

2、，能夠發(fā)現(xiàn)不同運(yùn)動(dòng)想象模式下的信號特征，識(shí)別大腦狀態(tài)，從而實(shí)現(xiàn)大腦與外部環(huán)境的直接交流。
　　本文在對BCI相關(guān)領(lǐng)域進(jìn)行調(diào)查研究后，建立完整的EEG數(shù)據(jù)預(yù)處理、特征提取與特征識(shí)別等處理流程，完成運(yùn)動(dòng)想象類別的識(shí)別。針對EEG數(shù)據(jù)信噪比低、數(shù)據(jù)維度高這一問題，在噪聲數(shù)據(jù)去除這一預(yù)處理過程中，對基于不同原理的預(yù)處理算法加以組合，依據(jù)特征提取效果和識(shí)別準(zhǔn)確率進(jìn)行性能對比，確定了最佳的EEG數(shù)據(jù)處理流程；研究了腦電信號中包含的運(yùn)動(dòng)想象相關(guān)

3、有效成分性質(zhì)，分析比較預(yù)處理方法中不同參數(shù)對于有效成分提取的影響。實(shí)驗(yàn)結(jié)果表明，在組合方案中，最佳處理預(yù)處理方案為分頻段濾波與獨(dú)立成分分析相結(jié)合，其最高識(shí)別準(zhǔn)確率為87.87％；同時(shí)實(shí)驗(yàn)發(fā)現(xiàn)，運(yùn)動(dòng)想象EEG數(shù)據(jù)最佳處理頻段為12-16Hz，利用該頻段數(shù)據(jù)可以獲取最高的識(shí)別準(zhǔn)確率，運(yùn)動(dòng)想象EEG數(shù)據(jù)中的最佳獨(dú)立成分?jǐn)?shù)目為10。
　　本文提出一種基于獨(dú)立成分分析與頻繁項(xiàng)集的EEG數(shù)據(jù)采集區(qū)域選擇算法，用于解決EEG數(shù)據(jù)高維度特性造成的

4、數(shù)據(jù)采集過程復(fù)雜、處理成本高的問題。該算法利用獨(dú)立成分分析，首先確定EEG數(shù)據(jù)中各個(gè)獨(dú)立成分所影響數(shù)據(jù)的采集區(qū)域，然后以所影響采集區(qū)域中包含的頻繁項(xiàng)集為基礎(chǔ)，選取EEG數(shù)據(jù)有效成分在頭皮表面的主要影響區(qū)域，提高數(shù)據(jù)采集效率。實(shí)驗(yàn)表明，利用該算法可以在保證，在不降低運(yùn)動(dòng)想象類別識(shí)別準(zhǔn)確率的前提下，可以將EEG數(shù)據(jù)采集電極的數(shù)目由118個(gè)減少到32個(gè)，達(dá)到降低數(shù)據(jù)維度，提高數(shù)據(jù)采集效率的目的。同時(shí)實(shí)驗(yàn)發(fā)現(xiàn)，不同頻段EEG數(shù)據(jù)對應(yīng)的有效采集區(qū)