基于ERD-ERS腦-機接口的特征提取和分類算法研究.pdf

1、腦-機接口(Brain-Computer Interface，BCI)是一種全新的人-機接口方式，它不依賴于人體的外周神經(jīng)與肌肉系統(tǒng)，直接從大腦獲取與外界通訊的信息。研究和發(fā)展BCI技術(shù)最主要的目的在于設計出基于腦電信號的控制裝置以幫助嚴重的殘疾患者以及嚴重的交流障礙患者恢復控制和交流功能。研究腦-機接口是人類對腦電活動規(guī)律不斷認知的過程。
　　本文研究的主要目的是尋找合適的信號采集與處理方法，提高信號處理的分類的準確率。研究離線

2、腦-機接口的最終目的是建立穩(wěn)定、可靠、快速的在線BCI系統(tǒng)，幫助癱瘓病人恢復肢體運動或?qū)崿F(xiàn)對外界的控制。
　　實驗中的數(shù)據(jù)采集自五名健康實驗者的腦電信號，針對小樣本運動想象腦電的特征提取和分類算法進行了離線研究。論文分析了腦電信號產(chǎn)生的機理，論述了腦電信號處理的一般方法。本文主要采用了三種特征提取的方法，分別是小波系數(shù)、相對小波能量、和基于最小二乘估計法的AAR(Adaptive Auto-Regressive model，AAR

3、)模型系數(shù)。由于小波變換的多分辨率特點，很適合提取腦電信號特征。相對小波能量能反映信號不同頻帶所含能量及整個信號段能量隨時間變化的特征。AAR模型的系數(shù)估計相比于AR(Auto-Regressive，AR)模型，它的系數(shù)是隨著時間的變化而變化的，因此可以表述非平穩(wěn)信號的特征，比對信號做加窗的AR模型估計有著許多優(yōu)點。實驗表明，這三種特征提取方法適合腦電信號的分析。
　　模式識別分類方法具有很多種，本文在充分考慮到信號樣本數(shù)和特征維