基于EEG信號的認(rèn)知任務(wù)模式分類研究.pdf

1、認(rèn)知科學(xué)是研究人類感覺、知覺、精神狀態(tài)、大腦思維過程和信息處理過程的前沿性尖端學(xué)科,該方面的研究對揭示人腦之謎具有重要意義。認(rèn)知任務(wù)的模式分類被廣泛用于構(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,本文重點針對兩類認(rèn)知任務(wù)-運(yùn)動想象分類任務(wù)和駕駛疲勞狀態(tài)分類任務(wù)–基于腦電信號進(jìn)行了深入研究。
　　運(yùn)動想象任務(wù)的模式分類是構(gòu)建腦機(jī)交互系統(tǒng)的重要方式之一,構(gòu)建該類系統(tǒng)的關(guān)鍵在于對執(zhí)行不同肢體運(yùn)動想

2、象任務(wù)時的腦電進(jìn)行特征提取,然后對提取的特征進(jìn)行分類,并把特征分類結(jié)果轉(zhuǎn)化為外部設(shè)備的控制命令。針對運(yùn)動想象任務(wù),本文重點研究了腦電信號的特征提取算法,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。本文使用國際BCI競賽運(yùn)動想象數(shù)

3、據(jù)集和實驗室自采集的數(shù)據(jù)集驗證了上述兩種算法的有效性。
　　駕駛是一項涉及視覺、聽覺、思維和判斷等多種認(rèn)知功能的復(fù)雜任務(wù),如何區(qū)分長時間駕駛前后的警醒狀態(tài)和疲勞狀態(tài)是本文的另一個關(guān)注重點。為了達(dá)到研究目的,本文首先設(shè)計了一項模擬駕駛實驗,搜集了長時間駕駛過程中的腦電數(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)對比研究了駕駛員疲勞前后腦電信號模式的變化情況。該項研究發(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)疲勞檢測算法不能衡量腦區(qū)之間的信息傳遞關(guān)系的缺點,研究結(jié)果對于實用疲勞檢測系統(tǒng)的電極安放位置和檢測指標(biāo)的選擇具有一定的指導(dǎo)意義。
　　本文針對所選的兩類認(rèn)知任務(wù)進(jìn)行了深入研究。在運(yùn)動想象分類方面,針對傳統(tǒng)公共空間模式算法提出的改進(jìn)意見思路簡潔,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,分類簡單。在疲勞狀態(tài)檢測和分類方面,基于腦效應(yīng)網(wǎng)絡(luò)展開研