運(yùn)動(dòng)想象BCI系統(tǒng)的信息累積算法研究.pdf

1、腦-機(jī)接口（brain-computerinterface，BCI）是一種不依賴由外周神經(jīng)與肌肉組成的正常的輸出通道的通信系統(tǒng)。BCI技術(shù)作為一種新型的人機(jī)交互手段，近年來(lái)已經(jīng)成為康復(fù)工程以及生物醫(yī)學(xué)工程等領(lǐng)域的研究熱點(diǎn)。對(duì)腦電(electroencephalogram，EEG)的正確分類(lèi)是決定腦-機(jī)接口性能的關(guān)鍵因素，因此研究基于腦電的分類(lèi)識(shí)別算法具有重要的現(xiàn)實(shí)意義。
　　目前，BCI系統(tǒng)中的分類(lèi)算法大多數(shù)是對(duì)特定時(shí)間段的腦電信

2、號(hào)特征進(jìn)行分類(lèi)，雖然在統(tǒng)計(jì)分析上使用的時(shí)間段可能具有最好的區(qū)分度，但對(duì)于單次觀測(cè)信號(hào)，卻忽略了相鄰時(shí)刻或以前時(shí)刻的有用EEG信息。EEG是非平穩(wěn)信號(hào)，若只考慮某一時(shí)間段的EEG信息，則無(wú)法充分利用單次觀測(cè)信號(hào)的全部信息，也難以實(shí)現(xiàn)準(zhǔn)確率與判決時(shí)間的折衷。針對(duì)這一現(xiàn)狀，本文對(duì)基于信息累積分類(lèi)算法在BCI系統(tǒng)中的應(yīng)用進(jìn)行了深入地研究。
　　首先，基于左右手運(yùn)動(dòng)想象EEG在初級(jí)感覺(jué)運(yùn)動(dòng)區(qū)所表現(xiàn)出的事件相關(guān)去同步/同步的特性，對(duì)每位受試者

3、的數(shù)據(jù)進(jìn)行頻譜分析?？紤]到個(gè)體的差異性及小波在非平穩(wěn)信號(hào)分析中的優(yōu)勢(shì)，采用Morlet小波提取頻帶能量作為分類(lèi)特征。該方法能夠提取最優(yōu)頻帶能量，從而達(dá)到提高腦電信號(hào)分類(lèi)準(zhǔn)確度的作用
　　其次，基于信息累積思想對(duì)前人的經(jīng)典分類(lèi)算法(LDA、SVM、Bayesian等)進(jìn)行了擴(kuò)展，實(shí)驗(yàn)結(jié)果表明信息累積分類(lèi)算法能得到更高的分類(lèi)準(zhǔn)確率、互信息及卡帕系數(shù)，但無(wú)法實(shí)現(xiàn)動(dòng)態(tài)分類(lèi)。為了解決這一問(wèn)題，結(jié)合Morlet小波基特征提取方法，提出了一種基

4、于序貫似然比檢驗(yàn)（sequentialprobabilityratiotesting，SPRT）的運(yùn)動(dòng)想象EEG動(dòng)態(tài)分類(lèi)算法。該方法在分類(lèi)中無(wú)需預(yù)先固定樣本量，而是逐次取樣累積分類(lèi)信息，可以實(shí)現(xiàn)準(zhǔn)確率與分類(lèi)時(shí)間的折中，有利于解決BCI的實(shí)時(shí)控制問(wèn)題。實(shí)驗(yàn)結(jié)果表明三個(gè)運(yùn)動(dòng)想象數(shù)據(jù)集共13位受試者的平均正確率達(dá)到82％以上，互信息和卡帕系數(shù)等指標(biāo)也表明該方法能夠有效提高BCI系統(tǒng)的性能，具有較好的實(shí)用性。
　　最后，利用多類(lèi)BCI競(jìng)賽