基于運動想象腦電信號非線性特性分析的腦-機接口研究.pdf

1、腦-機接口(Brain-Computer Interface,BCI)是一種幫助人們利用他們的大腦控制和使用外部設備的一種通信系統(tǒng),在此過程中不需要外周神經(jīng)和肌肉的參與。BCI是一門涉及神經(jīng)科學、信號處理、計算機科學等多個領域的交叉學科。近20年來,已成為國際智能科學領域的一個研究熱點。BCI研究的核心就是如何將用戶的腦電信號轉換成外部設備的控制信號。所以BCI研究最重要的工作就是要尋找合適的信號處理和轉換方法,使得人腦的意識特征信號能

2、夠快速、準確地被計算機識別。一般來說,BCI系統(tǒng)可以看成是一個模式識別系統(tǒng)。一個BCI系統(tǒng)是否成功主要取決于兩個方面的因素:①獲取的特征能夠區(qū)分不同的意識任務;②分類算法準確有效。所以如何建立準確可靠的特征提取模型和設計高效的分類算法是目前研究的主要難點。
　　目前,在基于運動想象的腦-機接口研究中,對EEG進行特征提取和分類往往都建立在EEG信號是線性的這一假設的基礎之上。然而,大量研究表明,EEG信號是非線性的,采用線性方法來

3、對EEG信號進行處理,會導致其非線性特征丟失,從而減弱這些特征在區(qū)分不同意識任務時的性能。所以,本論文在針對EEG信號的非線性特性研究的基礎上,根據(jù)目前特征提取和分類算法中存在的問題,提出了新的基于EEG非線性特性的特征提取算法,并通過仿真實驗證明了其可行性。論文的主要研究內容包括以下幾個方面:
　?、賹EG動力學模型的非線性特性進行分析。通過相空間重構技術,對求解得到的EEG信號進行了重構。得出了he的吸引子隨著參數(shù)pee和p

4、ei變化的規(guī)律。從而證實了大腦中存在混沌這一觀點。對實際測得的EEG信號進行了非線性特性的研究。計算了腦-機接口競賽提供的兩個基于運動想象的數(shù)據(jù)集中EEG樣本的最大 Lyapunov指數(shù),計算結果表明,幾乎所有的標準數(shù)據(jù)集當中的EEG樣本的最大Lyapunov指數(shù)均大于零。進一步證實了大腦中存在混沌的論點,因而可以使用非線性分析方法來對EEG信號進行分析。
　?、诜謩e計算了兩個標準數(shù)據(jù)集樣本的幾種常見的混沌特征量,即最大Lyapu

5、nov指數(shù)、關聯(lián)維數(shù)和近似熵,并分別使用最大Lyapunov指數(shù)、關聯(lián)維數(shù)和近似熵作為運動想象的特征進行分類。結果表明,直接使用最大Lyapunov指數(shù)和關聯(lián)維數(shù)作為運動想象任務的特征,不能很好的區(qū)分各種運動想象任務。而近似熵是衡量時間序列中產生新模式概率大小的一種度量,它更適合表示不同的意識任務。在對近似熵特征進行分析的基礎上,提出了一種基于時間窗的近似熵特征提取和分類算法。該算法模擬在線腦-機接口的情況,在每個時間窗內對意識任務進行

6、分類,實驗結果表明,分類器能較好的區(qū)分左右手運動想象任務。
　?、厶岢隽艘惶谆谙嗫臻g重構的特征提取方法。從理論上證明了相空間重構函數(shù)具有濾波功能,并能夠對EEG信號進行相位和幅度調節(jié),從而使相空間的特征更能區(qū)別不同的腦電任務。基于相空間的特征提取方法保留了傳統(tǒng)的線性特征提取方法的優(yōu)勢,又使獲取的特征具有相空間的信息,因而提高了分類器的分類性能。本文使用了2003和2005兩屆腦機接口競賽提供的數(shù)據(jù)進行了仿真,并采用了和競賽相同的

7、評價標準:互信息和最大互信息峭度。實驗結果表明,該方法是一種極具競爭力的特征提取方法。采用相空間特征的Fisher分類器在Graz2003數(shù)據(jù)集取得了最大互信息值0.67,這是目前報道的最好結果。在對Graz2005數(shù)據(jù)集進行仿真的結果表明,相空間特征同樣具有很好的效能,在平均最大互信息峭度和分類正確率的評價標準下均取得了很好的成績。
　　④針對共空間模式(Common spatial pattern,CSP)在解決多分類問題中的

8、組合方式問題,提出了一種基于CSP和Fisher線性分類器的二叉樹組合方式(BCSP)。在該方式下,Fisher線性分類器和 CSP以二叉樹的方式進行排列。任務的分類采用二叉查找的方式進行。在BCSP中,使用的CSP濾波器和Fisher分類器的數(shù)目比傳統(tǒng)的“一對它”方式更少。而且在N分類過程中,對CSP投影矩陣和分類器的計算也能保持在最多2log N級別,大大提高了分類的效率,提高了分類的準確率。
　　⑤在線BCI游戲平臺的開發(fā)與

9、實現(xiàn)。在對研究結果進行總結的基礎上,設計了一套基于Neuroscan的在線BCI游戲系統(tǒng)。該系統(tǒng)可以通過腦電來進行Hangman游戲操作。該系統(tǒng)集成了訓練模塊,測試模塊和游戲模塊。能夠完成從訓練到實際操作的一整套功能。系統(tǒng)使用了C3、C4和O1通道來記錄EEG信號,其中C3和C4通道的EEG信號用來提取左右手運動想象任務的腦電特征,O1通道的?波作為確認信號。該系統(tǒng)采用了基于相空間重構的特征提取算法和 Fisher線性分類器。對6個用戶