腦機(jī)接口中腦電信號(hào)時(shí)空處理方法的研究.pdf

1、腦機(jī)接口(Brain-Computer Interface,BCI)系統(tǒng)能夠?qū)崿F(xiàn)人腦和外部設(shè)備之間直接的交流與控制，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。腦機(jī)接口初期研究目的是為有運(yùn)動(dòng)殘疾或表達(dá)障礙的病人提供與外界交互及控制設(shè)備的能力，隨著研究的深入，目前其應(yīng)用領(lǐng)域越來越廣泛。由于腦電(EEG)信號(hào)很容易受到各種生理信號(hào)、周邊環(huán)境甚至不同精神狀態(tài)的干擾，信噪比(SNR)很低；同時(shí)各被試生理結(jié)構(gòu)的差異導(dǎo)致腦機(jī)接口的推廣

2、性受到制約，因此直到目前仍然沒有有效的方法能夠穩(wěn)定可靠的提取普通人的思維腦電特征，導(dǎo)致腦機(jī)接口走出實(shí)驗(yàn)室困難重重。本文針對基于運(yùn)動(dòng)想象的腦機(jī)接口工作不穩(wěn)定的問題，尋找更加穩(wěn)健的特征提取方法并應(yīng)用到在線腦機(jī)接口，主要內(nèi)容如下：
　　1、研究基于共空間模式(CSP)類算法的空間濾波及想象運(yùn)動(dòng)腦電特征提取，對比CSP、多頻段CSP及共空間時(shí)間模式(CSSP)算法提取腦電特征的效果，結(jié)果表明CSSP算法能夠更有效分離兩種不同思維任務(wù)的EE

3、G信號(hào)，分類效果最好。這類算法雖然需要較多腦電通道，對噪聲比較敏感，但其正確率明顯高于其它特征提取算法。
　　2、采用卡爾曼濾波算法求解自適應(yīng)自回歸(AAR)模型參數(shù)的方法，實(shí)現(xiàn)動(dòng)態(tài)提取非平穩(wěn)EEG信號(hào)特征。結(jié)合AAR和多變量AAR(MVAAR)模型參數(shù)的優(yōu)點(diǎn)，進(jìn)一步改進(jìn)了特征提取方法，更全面描述了想象運(yùn)動(dòng)EEG信號(hào)特征，有效提高了分類正確率。改進(jìn)了卡爾曼濾波器狀態(tài)方程中狀態(tài)轉(zhuǎn)移矩陣，結(jié)果表明改進(jìn)的卡爾曼濾波算法更有助于動(dòng)態(tài)提取運(yùn)

4、動(dòng)想象特征。此外還解決了連續(xù)提取AAR模型參數(shù)時(shí)數(shù)據(jù)易發(fā)散問題，使得算法更加適應(yīng)在線腦機(jī)接口系統(tǒng)。
　　3、研究利用盲源信號(hào)處理(BSS/ICA)算法直接分離大腦中想象運(yùn)動(dòng)源產(chǎn)生的腦電信號(hào)，提高腦機(jī)接口系統(tǒng)穩(wěn)定性和分類精度。分析了目前典型BSS/ICA算法：AMUSE算法、SOBI算法、JADE算法、基于概率分布的算法及FastICA算法，研究這些算法單獨(dú)作用提取運(yùn)動(dòng)想象相關(guān)腦電特征的分類效果。根據(jù)算法特點(diǎn)從時(shí)間和空間兩個(gè)角度提取

5、和分析運(yùn)動(dòng)想象的腦電源信號(hào)。從信號(hào)的時(shí)序結(jié)構(gòu)角度考慮，討論SOBI算法；從信號(hào)的統(tǒng)計(jì)獨(dú)立性角度考慮，研究FastICA算法。實(shí)驗(yàn)結(jié)果表明結(jié)合SOBI和FastICA算法等BSS/ICA算法的優(yōu)點(diǎn)，從時(shí)間和空間角度提取與運(yùn)動(dòng)想象相關(guān)性更強(qiáng)的源信號(hào)，提高系統(tǒng)穩(wěn)定性，同時(shí)還消除其它干擾、噪聲信號(hào)對腦機(jī)接口的影響，推動(dòng)腦機(jī)接口技術(shù)的發(fā)展。
　　4、設(shè)計(jì)基于想象運(yùn)動(dòng)的在線腦機(jī)接口，實(shí)現(xiàn)模擬環(huán)境開關(guān)量的控制和模擬小車運(yùn)行控制。分析了在離線情況

6、下特征提取的方法，為了確定訓(xùn)練時(shí)間對分類正確率的影響，研究了不同小樣本情況對最終分類正確率的影響，分析結(jié)果表明對于想象運(yùn)動(dòng)，通過半監(jiān)督學(xué)習(xí)算法能得到比較理想的分類結(jié)果。對于模擬開關(guān)量控制實(shí)驗(yàn)設(shè)計(jì)了二分類腦機(jī)接口，被試在較短時(shí)間內(nèi)完成改變目標(biāo)開關(guān)量的狀態(tài)。對于模擬小車控制分別設(shè)計(jì)了二分類和三分類在線腦機(jī)接口，三分類腦機(jī)接口在控制小車行駛方面強(qiáng)于二分類腦機(jī)接口，但是由于EEG高度不平穩(wěn)導(dǎo)致系統(tǒng)工作不穩(wěn)定，對被試要求高。在在線腦機(jī)接口的研究中