基于腦電的想象運(yùn)動(dòng)分類算法研究.pdf

1、各種腦部、神經(jīng)系統(tǒng)疾患的增多，使腦科學(xué)成為21世紀(jì)具有挑戰(zhàn)性的研究。許多有神經(jīng)-肌肉障礙疾病的患者無法向外界傳遞信息，他們基本的活動(dòng)能力以及與外界正常交流的能力都被剝奪了，他們所要表達(dá)的信息可能被完全阻隔在體內(nèi)。因此對(duì)腦科學(xué)研究的需求就越來越迫切，人們渴望能夠通過對(duì)腦科學(xué)及相關(guān)領(lǐng)域的研究來克服人類自身的缺陷和不足。最近幾年，隨著電子技術(shù)、計(jì)算機(jī)技術(shù)的飛速發(fā)展，腦電信號(hào)處理的基礎(chǔ)已經(jīng)逐漸成熟起來，腦-機(jī)接口(BCI)的研究開始成為一個(gè)熱點(diǎn)

2、問題。 在BCI的研究中，基于腦電信號(hào)的BCI系統(tǒng)因?yàn)楹?jiǎn)單、安全、無創(chuàng)而倍受關(guān)注。本文研究的就是基于想象運(yùn)動(dòng)期間腦電信號(hào)的BCI系統(tǒng)，目的是利用人的自發(fā)腦電，識(shí)別特定的意識(shí)任務(wù)，形成控制命令，從而實(shí)現(xiàn)人腦與計(jì)算機(jī)間的信息交換，希望為有嚴(yán)重行為障礙的殘疾人提供幫助。這種基于自發(fā)腦電的BCI系統(tǒng)，系統(tǒng)簡(jiǎn)單，不需要外部刺激裝置，訓(xùn)練過程短，適應(yīng)范圍廣，有很好的應(yīng)用前景。但從頭皮上獲得的自發(fā)腦電信號(hào)十分微弱，而且信號(hào)的信噪比很低，因此有

3、效的腦電信號(hào)處理方法是BCI研究的一項(xiàng)關(guān)鍵技術(shù)。在總結(jié)前人工作的基礎(chǔ)上，本文對(duì)腦電信號(hào)采集、處理進(jìn)行了以下幾個(gè)方面的研究。 1)系統(tǒng)信號(hào)采集模塊設(shè)計(jì) 建立信號(hào)采集模塊，采集腦電信號(hào)。在實(shí)驗(yàn)室已有的腦電采集設(shè)備及軟件基礎(chǔ)上，針對(duì)自己的課題研究，設(shè)計(jì)相應(yīng)的大腦意識(shí)任務(wù)實(shí)驗(yàn)。按照實(shí)驗(yàn)要求，使用VC++6.0編寫出相應(yīng)的腦電信號(hào)采集軟件。 2)腦電信號(hào)預(yù)處理 由于腦電信號(hào)本身極其微弱，非常容易受到各種干擾與噪聲的

4、影響，因此對(duì)腦電信號(hào)的去噪處理是必要的。本文分別采用了小波變換、數(shù)字濾波等方法對(duì)實(shí)驗(yàn)中采集的腦電信號(hào)進(jìn)行處理，去除其中的心電、眼電、肌電等干擾信號(hào)，提取有效信息，取得了較好的效果。 3)腦電信號(hào)特征提取 有效地提取大腦思維活動(dòng)時(shí)的特征信息是BCI研究的關(guān)鍵技術(shù)之一，是正確識(shí)別不同意識(shí)模式的基礎(chǔ)。本論文將自適應(yīng)自回歸模型(AAR)系數(shù)與事件相關(guān)去同步(ERD)相結(jié)合提取腦電信號(hào)的一個(gè)特征，而將基于小波變換和shannon熵

5、概念的小波熵作為另一個(gè)特征，從而實(shí)現(xiàn)對(duì)想象左右手運(yùn)動(dòng)意識(shí)任務(wù)的腦電特征的提取。 4)意識(shí)任務(wù)分類器設(shè)計(jì) 分類器的設(shè)計(jì)是BCI系統(tǒng)中的另一十分重要的環(huán)節(jié)，分類器的性能將直接影響B(tài)CI系統(tǒng)的性能。本文采用了Fisher線性判別、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)(SVM)幾種分類方法。其中，支持向量機(jī)以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)，它不僅要求最優(yōu)分類面將兩類樣本無錯(cuò)誤地分開，而且要使類間間隔最大，從而保證真實(shí)風(fēng)險(xiǎn)最小，能夠較好地解決了小樣本的分

6、類問題。經(jīng)過實(shí)驗(yàn)的分類比較，最終分類結(jié)果表明：支持向量機(jī)的分類正確率是最高的，能夠很好的識(shí)別出想象左右手運(yùn)動(dòng)兩種意識(shí)任務(wù)，得到理想的分類效果。 采用本課題采集的數(shù)據(jù)，對(duì)于所提取的腦電特征，支持向量機(jī)分類的正確識(shí)別率可達(dá)83.3％，應(yīng)用同樣的算法對(duì)2003年國(guó)際BCI競(jìng)賽中的左右手想象運(yùn)動(dòng)數(shù)據(jù)進(jìn)行識(shí)別時(shí)，正確率可達(dá)87.9％。這說明應(yīng)用AAR模型系數(shù)的ERD/ERS、小波熵和支持向量機(jī)能夠作為現(xiàn)在BCI系統(tǒng)設(shè)計(jì)中一種可行分類算法。