想象運動的腦電特征提取及分類研究.pdf

1、“腦-機接口”系統(tǒng)(BCI)是一種全新的人機接口方式，它不依賴于腦的正常輸出通路，而直接從大腦獲取與外界通訊的信息。BCI的一個重要用途是為那些思維正常但有嚴重運動障礙的患者提供語言交流和環(huán)境控制途徑，以提高其生存質(zhì)量。另外，BCI技術(shù)在特殊作業(yè)、軍事、娛樂等方面也有潛在的應(yīng)用價值。近年來，BCI作為一種多學科交叉技術(shù)，正成為腦科學、康復工程、生物醫(yī)學工程及人機自動控制等領(lǐng)域的一個研究熱點，其中腦電信號(EEG)的特征提取、模式分類等理

2、論研究和實驗研究扮演著重要角色。本文對想象運動EEG的特征提取，模式分類等理論方法以及信號采集、BCI系統(tǒng)實驗設(shè)計等內(nèi)容進行了研究。主要內(nèi)容及成果如下： (1)針對想象運動的BCI存在分類準確率低、抗干擾能力差等不足，提出一種將離散小波變換(DWT)和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的腦電識別方法(DWT-BP方法)。該方法通過計算左、右手想象運動的C3、C4的平均功率合理確定時間窗設(shè)置，進一步對時間窗內(nèi)的平均功率信號進行離散小波變換，并選取

3、尺度6上的逼近系數(shù)A6的組合信號作為腦電信號特征，以BP神經(jīng)網(wǎng)絡(luò)為分類器實現(xiàn)對腦電觀測數(shù)據(jù)的分析。在“BCI Competition2003”競賽數(shù)據(jù)集上的實驗結(jié)果表明，DWT-BP方法能夠較準確地提取腦電信號的本質(zhì)特征，具有較好的抗干擾能力和分類性能，分類正確率達到94％，證實了該方法對于識別運動想象腦電信號的有效性，同時為實現(xiàn)想象運動在線BCI系統(tǒng)打下了基礎(chǔ)。 (2)BP神經(jīng)網(wǎng)絡(luò)具有對任意非線性函數(shù)的逼近能力及較強的自學習、

4、自適應(yīng)能力，因而，將其作為腦電信號的分類器在BCI的研究中得到了廣泛應(yīng)用。然而，由于缺乏問題的先驗知識，BP神經(jīng)網(wǎng)絡(luò)算法往往很難找到理想的網(wǎng)絡(luò)結(jié)構(gòu)，這就影響了分類器泛化能力的提高。為此，本文提出了基于神經(jīng)網(wǎng)絡(luò)集成技術(shù)的分類算法。該方法通過離散小波變換抽取左、右手想象運動的主要特征，采用Bagging算法構(gòu)建神經(jīng)網(wǎng)絡(luò)集成(Neural Network Ensemble，NNE)模型，并選取相對多數(shù)投票法獲得網(wǎng)絡(luò)集成的輸出結(jié)果。在“BCI

5、Competition2003”競賽數(shù)據(jù)集上的實驗結(jié)果表明，該方法得到了比基于單個神經(jīng)網(wǎng)絡(luò)的腦電信號識別方法更高的識別率(99．3％)。同時，降低了個體神經(jīng)網(wǎng)絡(luò)的配置難度，提高了系統(tǒng)的泛化能力。 (3)針對國內(nèi)BCI研究多數(shù)是從國外獲取實驗數(shù)據(jù)的現(xiàn)狀，設(shè)計了三種實驗方案進行腦電信號的采集。其中，實驗一要求受試者依據(jù)燈光點亮的方向選擇左、右手進行實際按鍵操作；實驗二的采集過程是依據(jù)箭頭提示方向進行左、右手想象運動；實驗三則以聽覺刺