基于運動想象的腦機接口研究.pdf

1、腦機接口(Brain Computer Interface，BCI)是通過計算機或者其他的電子設(shè)備在大腦與外界環(huán)境之間建立的一條獨立通路，它不依賴于肌肉組織和外周神經(jīng)直接實現(xiàn)對外交流和控制。腦機接口為喪失部分或全部肌肉控制功能的患者提供了一個與外界溝通的新途徑。本文主要研究了腦電數(shù)據(jù)的處理方法，對腦電信號處理中運用的預(yù)處理、特征提取和模式分類算法做了詳細介紹，同時通過離線的兩分類運動想象腦電數(shù)據(jù)集對算法進行驗證。
　　論文中首先概

2、括介紹腦機接口的概念、系統(tǒng)組成，總結(jié)了腦機接口研究領(lǐng)域的興起、研究現(xiàn)狀以及應(yīng)用成果。詳細地闡述了腦電信號的預(yù)處理、特征提取和模式分類算法。
　　特征提取算法的有效性直接影響著分類的效果，利用小波分解和小波重構(gòu)技術(shù)對運動想象腦電信號進行多尺度分析，提取出各個頻段里特征最明顯的信號，對信號進行求和平均處理，計算累積小波熵。將累積小波熵與AAR算法相結(jié)合，提取腦電信號的多維特征，提高了分類的正確率。仿真結(jié)果表明，對單獨子頻帶進行分析，可

3、以提取出隱藏在運動想象腦電信號中更為精確的信息，累積小波熵與AAR模型參數(shù)的結(jié)合，使分類準確率明顯提高。
　　分類器的選取尤為重要，提出了將基于無跡卡爾曼濾波(UKF)的神經(jīng)網(wǎng)路作為識別左右手腦電信號特征的分類器。UKF算法經(jīng)過快速的迭代運算可準確估計出神經(jīng)網(wǎng)絡(luò)的權(quán)值，完成對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。分類結(jié)果表明，該分類器的分類性能優(yōu)于常用的線性判別分析(LDA)和支持向量機分類器。
　　針對運動想象兩分類腦電數(shù)據(jù)集，采用了多種特征提