基于想象運(yùn)動(dòng)的腦-機(jī)接口控制技術(shù)及應(yīng)用.pdf

1、腦-機(jī)接口（Brain-Computer Interface，BCI）系統(tǒng)能夠?qū)崿F(xiàn)人腦與外部設(shè)備之間的直接交流和控制，使人腦與外界環(huán)境進(jìn)行信息交流時(shí)不再依賴外周神經(jīng)和肌肉組織。由于BCI系統(tǒng)具有巨大的理論研究價(jià)值以及實(shí)際應(yīng)用前景，該技術(shù)已成為近年來生物醫(yī)學(xué)工程領(lǐng)域中研究的熱點(diǎn)。
　　本文在充分了解國內(nèi)外相關(guān)研究的基礎(chǔ)上，以想象運(yùn)動(dòng)作為切入點(diǎn)，使用腦電圖（Electroencephalogram，EEG）腦電信號(hào)系統(tǒng)地研究了基于想象

2、運(yùn)動(dòng)的腦-機(jī)接口，設(shè)計(jì)EEG腦電信號(hào)提取的實(shí)驗(yàn)方案，對(duì)采集得到的腦電信號(hào)提取模型參數(shù)特征，選擇合適的分類器對(duì)特征向量進(jìn)行分類，并對(duì)腦-機(jī)接口的實(shí)際應(yīng)用進(jìn)行了探索，取得了卓有成效的成果。主要內(nèi)容如下：
　　1、設(shè)計(jì)了基于想象左手、右手和腳部運(yùn)動(dòng)的腦電信號(hào)采集實(shí)驗(yàn)方案。根據(jù)腦電信號(hào)產(chǎn)生原理和想象運(yùn)動(dòng)腦電信號(hào)的特點(diǎn)，設(shè)計(jì)了提取想象運(yùn)動(dòng)腦電信號(hào)的實(shí)驗(yàn)方案和新的實(shí)驗(yàn)范式，提取了三種不同想象運(yùn)動(dòng)任務(wù)的腦電數(shù)據(jù)，為后續(xù)的離線分析處理奠定了數(shù)據(jù)基

3、礎(chǔ)。
　　2、進(jìn)行了以模型參數(shù)為特征的分類研究。本文采用模型法對(duì)估計(jì)功率譜，并分析了自回歸（AutoRegressive，AR）模型提取非平穩(wěn)隨機(jī)信號(hào)特征的不足，采用自適應(yīng)自回歸（Adaptive AutoRegressive，AAR）模型和多變量自適應(yīng)自回歸（Multi Variable AAR，MVAAR）模型對(duì)EEG腦電信號(hào)提取特征，并針對(duì)想象運(yùn)動(dòng)EEG信號(hào)的特點(diǎn)，對(duì)AAR模型和MVAAR模型進(jìn)行改進(jìn)，為了在通道數(shù)減少的情況

4、下更精準(zhǔn)地表現(xiàn)EEG腦電信號(hào)，使用模型參數(shù)作為特征向量。使用Fisher分類器、BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)（SVM）對(duì)三種模型參數(shù)特征進(jìn)行分類識(shí)別，并對(duì)SVM的參數(shù)進(jìn)行優(yōu)化，提高了分類識(shí)別率。
　　3、設(shè)計(jì)基于ThinkGear ASIC Module（TGAM）和想象運(yùn)動(dòng)的在線腦-機(jī)接口系統(tǒng)，實(shí)現(xiàn)對(duì)移動(dòng)小車終端的控制。面對(duì)同步在線腦-機(jī)接口的狀態(tài)判定問題，本文利用基于TGAM的頭戴式設(shè)備作為在線腦-機(jī)接口的狀態(tài)監(jiān)測模塊，實(shí)現(xiàn)對(duì)使用