基于OVR-CSP和互相關(guān)的運動想象腦機(jī)接口研究.pdf

1、腦機(jī)接口（Brain-Computer Interface，BCI）是一種不依賴于大腦外周神經(jīng)與肌肉組成的正常輸出通路的通訊控制系統(tǒng)。經(jīng)過幾十年的發(fā)展，BCI已經(jīng)不僅僅用于輔助殘疾人士與外界的交流，還應(yīng)用到了醫(yī)療康復(fù)、環(huán)境控制和娛樂等領(lǐng)域?？傊岣邭埣踩耸康纳钯|(zhì)量一直是研究BCI不變的初衷。而運動想象（Motor Imagery，MI）腦電信號是完全可以不借助于外部設(shè)備而產(chǎn)生的自發(fā)腦電信號，因此運動想象腦電信號被認(rèn)為是最適合用于腦機(jī)

2、接口的腦電信號。
　　本文在經(jīng)典的四類運動想象腦電特征提取方法“一對其他”共空間模式（One-Versus-Rest Common Spatial Pattern，OVR-CSP）的基礎(chǔ)上，提出了一種OVR-CSP的改進(jìn)算法?；贠VR-CSP的特征是由信號的方差構(gòu)造而得到的，反映的是大腦相應(yīng)區(qū)域的能量變化。然而，該類特征并不包含大腦不同區(qū)域之間的協(xié)同合作和信息交流方面的信息，并且這些信息有利于正確分類。而通過同步性分析方法能夠快

3、速獲取這類信息，互相關(guān)函數(shù)（Cross-Correlation）是分析同步性的一個有效方法。因此，本文將基于OVR-CSP的特征與通過互相關(guān)函數(shù)提取的特征進(jìn)行融合得到最終的分類特征。那么，該特征包含的信息就是運動想象相關(guān)區(qū)域的能量變化和該區(qū)域相關(guān)導(dǎo)聯(lián)的同步性信息。該算法在第二屆國際BCI競賽的公共數(shù)據(jù)集上的實驗結(jié)果顯示，對本文提出的特征提取算法得到的特征進(jìn)行分類，得到的Kappa平均值是最高的，達(dá)到了0.59，同時其方差是最小的，大小為

4、0.031。這表明，本文提出的特征提取算法具有較好的分類效果，并且具有較強(qiáng)的個體差異適應(yīng)能力。在此基礎(chǔ)之上，又進(jìn)一步討論了加窗對算法性能的影響。
　　針對現(xiàn)有腦機(jī)接口的體積大、操作繁瑣和應(yīng)用場合受到極大的限制的缺點，本文采用便攜式腦電采集設(shè)備EmotivEPOC+進(jìn)行運動想象腦電信號的采集，將本文改進(jìn)的腦電信號處理算法用于四類想象運動的分類任務(wù)，在便攜式腦電采集設(shè)備EmotivEPOC+上構(gòu)建了基于OVR-CSP和互相關(guān)的運動想象