基于想象左右手運(yùn)動(dòng)思維腦電識(shí)別分類(lèi)研究.pdf

1、腦機(jī)接口(Brain Computer Interface，BCI)是一種新型的人機(jī)交互方式，對(duì)殘障人士恢復(fù)生活自理能力等領(lǐng)域有著極大的推動(dòng)作用。腦機(jī)接口有信號(hào)采集、信號(hào)分析和控制器三個(gè)功能模塊，信號(hào)分析模塊是腦機(jī)接口中重要模塊。本文采用奧地利格拉茨科技大學(xué)BCI研究小組提供的2008年的BCI競(jìng)賽數(shù)據(jù)，對(duì)左右手運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行分析。
　　本文首先介紹BCI的產(chǎn)生和發(fā)展，較為詳細(xì)地介紹了腦機(jī)接口的研究現(xiàn)狀以及主要研究方法。在信

2、號(hào)預(yù)處理方面，本文根據(jù)不同被試的頻譜圖、Alpha頻段能量腦地形圖以及目前的研究成果，確定了著重探究的導(dǎo)聯(lián)以及頻率段。并對(duì)腦電信號(hào)的事件相關(guān)電位同步/去同步(Event-Related Desynchronization/Synchronization，ERD/ERS)現(xiàn)象進(jìn)行觀測(cè)。
　　在特征提取方面，本文受ERS/ERD現(xiàn)象的啟發(fā)，將完整的單次運(yùn)動(dòng)想象腦電信號(hào)分為若干段分別計(jì)算其頻譜能量和四階累計(jì)量作為特征。針對(duì)腦電信號(hào)的非線

3、性非平穩(wěn)特性，引入Hurst指數(shù)、相位鎖定值作為特征向量。本文探究了各類(lèi)特征的優(yōu)缺點(diǎn)，并對(duì)單一特征、聯(lián)合特征、主成分分析降維后的特征進(jìn)行分類(lèi)比較。在模式分類(lèi)方面，本文介紹了線性判別分析(Linear Discriminant Analysis，LDA)、支持向量機(jī)(Support Vector Machine，SVM)和隨機(jī)森林分類(lèi)，對(duì)所提取的特征進(jìn)行分類(lèi)實(shí)驗(yàn)，并仔細(xì)地探究了分類(lèi)器的不同參數(shù)對(duì)正確率的影響?？紤]到分類(lèi)結(jié)果較差，隨后采用經(jīng)

4、過(guò)小波包變化、經(jīng)驗(yàn)?zāi)B(tài)分解優(yōu)化后的共空間模式(CommonSpatial Pattern，CSP)提取特征，在ERS/ERD現(xiàn)象并不明顯的情況下，最高分類(lèi)正確率達(dá)到96.92％，所有被試平均分類(lèi)正確率達(dá)到了75.72％。
　　本文的創(chuàng)新之處有如下幾點(diǎn):
　　第一，提出了計(jì)算相對(duì)簡(jiǎn)單的事件相關(guān)電位表征曲線;
　　第二，對(duì)腦電信號(hào)時(shí)間分段之后提取能量以及四階累積量特征，引入表征信號(hào)長(zhǎng)程相關(guān)性的Hurst指數(shù)作為特征，采用隨