基于EEG信號(hào)的認(rèn)知任務(wù)模式分類(lèi)研究.pdf

1、認(rèn)知科學(xué)是研究人類(lèi)感覺(jué)、知覺(jué)、精神狀態(tài)、大腦思維過(guò)程和信息處理過(guò)程的前沿性尖端學(xué)科,該方面的研究對(duì)揭示人腦之謎具有重要意義。認(rèn)知任務(wù)的模式分類(lèi)被廣泛用于構(gòu)建腦機(jī)交互系統(tǒng)、研究人腦的工作機(jī)制和各種腦疾病的發(fā)病機(jī)理。為了探索人腦的認(rèn)知機(jī)理,本文重點(diǎn)針對(duì)兩類(lèi)認(rèn)知任務(wù)-運(yùn)動(dòng)想象分類(lèi)任務(wù)和駕駛疲勞狀態(tài)分類(lèi)任務(wù)–基于腦電信號(hào)進(jìn)行了深入研究。
　　運(yùn)動(dòng)想象任務(wù)的模式分類(lèi)是構(gòu)建腦機(jī)交互系統(tǒng)的重要方式之一,構(gòu)建該類(lèi)系統(tǒng)的關(guān)鍵在于對(duì)執(zhí)行不同肢體運(yùn)動(dòng)想

2、象任務(wù)時(shí)的腦電進(jìn)行特征提取,然后對(duì)提取的特征進(jìn)行分類(lèi),并把特征分類(lèi)結(jié)果轉(zhuǎn)化為外部設(shè)備的控制命令。針對(duì)運(yùn)動(dòng)想象任務(wù),本文重點(diǎn)研究了腦電信號(hào)的特征提取算法,主要做了兩方面工作,一方面研究學(xué)習(xí)了多種經(jīng)典特征提取算法,針對(duì)傳統(tǒng)公共空間模式算法中濾波器成分選擇方法的不足,提出了一種基于相關(guān)系數(shù)的新濾波器成分選擇方法;另一方面本文根據(jù)傳統(tǒng)微狀態(tài)定義提出了一種廣義微狀態(tài)概念,并基于此廣義概念提出了一種新的特征提取算法。本文使用國(guó)際BCI競(jìng)賽運(yùn)動(dòng)想象數(shù)

3、據(jù)集和實(shí)驗(yàn)室自采集的數(shù)據(jù)集驗(yàn)證了上述兩種算法的有效性。
　　駕駛是一項(xiàng)涉及視覺(jué)、聽(tīng)覺(jué)、思維和判斷等多種認(rèn)知功能的復(fù)雜任務(wù),如何區(qū)分長(zhǎng)時(shí)間駕駛前后的警醒狀態(tài)和疲勞狀態(tài)是本文的另一個(gè)關(guān)注重點(diǎn)。為了達(dá)到研究目的,本文首先設(shè)計(jì)了一項(xiàng)模擬駕駛實(shí)驗(yàn),搜集了長(zhǎng)時(shí)間駕駛過(guò)程中的腦電數(shù)據(jù);然后使用基于格蘭杰因果關(guān)系構(gòu)建的腦效應(yīng)網(wǎng)絡(luò)對(duì)比研究了駕駛員疲勞前后腦電信號(hào)模式的變化情況。該項(xiàng)研究發(fā)現(xiàn)了易受疲勞影響的大腦區(qū)域,并且發(fā)現(xiàn)腦效應(yīng)網(wǎng)絡(luò)的若干屬性可以作

4、為區(qū)分警醒狀態(tài)和疲勞狀態(tài)的指標(biāo)。本文使用的研究方法一定程度上克服了當(dāng)前多數(shù)疲勞檢測(cè)算法不能衡量腦區(qū)之間的信息傳遞關(guān)系的缺點(diǎn),研究結(jié)果對(duì)于實(shí)用疲勞檢測(cè)系統(tǒng)的電極安放位置和檢測(cè)指標(biāo)的選擇具有一定的指導(dǎo)意義。
　　本文針對(duì)所選的兩類(lèi)認(rèn)知任務(wù)進(jìn)行了深入研究。在運(yùn)動(dòng)想象分類(lèi)方面,針對(duì)傳統(tǒng)公共空間模式算法提出的改進(jìn)意見(jiàn)思路簡(jiǎn)潔,行之有效;基于廣義微狀態(tài)提取的特征包含了腦電模式的空間信息,分類(lèi)簡(jiǎn)單。在疲勞狀態(tài)檢測(cè)和分類(lèi)方面,基于腦效應(yīng)網(wǎng)絡(luò)展開(kāi)研