自發(fā)式多分類腦機協(xié)同控制方法研究.pdf

1、腦機接口（brain-computer interface, BCI）是一種不依賴外周神經(jīng)與肌肉，利用大腦思維直接與外界進行通訊和控制的新型人機交互技術(shù)。基于運動想象（motor imagery, MI）的自發(fā)式BCI是該領(lǐng)域中的重要研究分支之一，具有響應速度快、自主性高等優(yōu)點，常被用于各類康復助殘設(shè)備的在線控制。受腦電信號（electroencephalography, EEG）空間分辨率低的限制，目前BCI可識別的MI任務(wù)類別有限，

2、相比于其它類型的BCI范式輸出指令數(shù)目較少，難以實現(xiàn)對外部設(shè)備的多自由度控制。針對上述問題，本文提出了一種基于序列編碼方法的多分類MI-BCI設(shè)計方法，并將其應用于機器人、機械手臂以及輪椅的實際控制，提高了MI-BCI范式在多自由度控制場合中操控性能。本文的主要研究工作如下：
　　基于序列編碼的多分類MI-BCI設(shè)計方法研究。為了提高MI-BCI的輸出指令數(shù)目，我們提出了一種序列編碼多分類BCI設(shè)計方法。該方法采用類似于摩斯電碼的

3、設(shè)計原理，需要被試按照規(guī)定的編碼序列執(zhí)行左/右手MI任務(wù)或保持空閑狀態(tài)，實現(xiàn)新的序列MI任務(wù)。序列MI任務(wù)的不同編碼方式將映射成最終的輸出指令。利用上述方法，長度為N的序列MI任務(wù)可以編碼實現(xiàn)2×(2N-1)個不同的輸出指令。本文采用長度為2的序列MI任務(wù)實現(xiàn)了6分類MI-BCI范式，并選取4名健康被試進行實驗，驗證序列編碼設(shè)計方法的有效性。實驗結(jié)果表明基于序列編碼的6分類MI-BCI的平均分類準確率達到了89.4％，遠遠超過了隨機選擇

4、概率16.7%。同時，系統(tǒng)的卡帕系數(shù)和通量分別達到了0.88±0.060和23.5bpm，高于目前多數(shù)MI-BCI范式的通訊速率。上述實驗結(jié)果證實了本文所提出的方法不但有效地提高了BCI系統(tǒng)的輸出指令數(shù)目，而且能保持較高的分類準確率。
　　基于序列編碼MI-BCI范式的機器人控制技術(shù)研究。為了驗證基于序列編碼MI-BCI范式的可用性，我們將其應用于真實對象的實際控制中。首先，我們利用單分類MI任務(wù)進行長度為2的序列編碼，設(shè)計了2分

5、類序列MI-BCI范式，并且成功實現(xiàn)了對真實機器人前進/停止、左/右轉(zhuǎn)彎等運動功能控制。4名被試參與了本實驗，其中2分類序列MI任務(wù)的平均在線分類準確率為90.4%，平均響應時間為5.0秒。在機器人行走控制實驗中，4名被試完成一次從初始位置到目標位置的行走任務(wù)平均花費139.4秒，輸出的控制指令數(shù)平均為11.9個。隨后，我們將左/右手2類MI任務(wù)進行長度為2的序列編碼，設(shè)計了6分類BCI范式，實現(xiàn)了對真實三關(guān)節(jié)機械手臂的在線控制，并能夠

6、成功完成物體抓取任務(wù)。4名被試平均花費39.1秒完成一次物體抓取任務(wù)，需要平均輸出6.1個控制指令。實驗結(jié)果表明我們提出的序列編碼多分類BCI設(shè)計方法具有較好的適用性，能夠有效實現(xiàn)對真實外部設(shè)備的多自由運動控制。
　　序列MI任務(wù)的異步檢測與腦控輪椅控制方法研究。為了提高BCI范式的異步操控性能，本文提出了一種異步序列MI任務(wù)設(shè)計與檢測方法，并以此為基礎(chǔ)實現(xiàn)了4分類異步BCI范式，用于對真實智能輪椅的實際控制。在異步檢測算法中，B

7、CI利用模板匹配算法識別被試MI任務(wù)的開始、停止以及轉(zhuǎn)換狀態(tài)，實現(xiàn)對序列MI任務(wù)的異步檢測。利用這一方法，被試可以不受系統(tǒng)提示信息的約束，自主決定序列MI任務(wù)的執(zhí)行過程，實現(xiàn)對外部設(shè)備的異步控制。4名被試參加了本實驗，在線仿真實驗中，4類序列MI任務(wù)的平均正確檢出率達到了90.7%。隨后，我們將所設(shè)計的BCI范式應用于智能輪椅控制之中，驗證異步序列編碼設(shè)計方法在實際控制中的可行性和有效性。實驗中，全部被試都能夠控制輪椅執(zhí)行前進/停止，左

8、/右轉(zhuǎn)彎和加速減速這6項功能，并在安置有障礙物的室內(nèi)環(huán)境中順利完成所規(guī)定的控制任務(wù)。實驗結(jié)果表明異步序列MI設(shè)計方法在提高BCI系統(tǒng)輸出指令數(shù)目的同時，還可以提高對外部設(shè)備的異步控制性能，進一步拓展了序列MI編碼方法的應用范圍。
　　基于多尺度時間窗口的序列MI任務(wù)檢測算法設(shè)計。為了提高序列MI任務(wù)的檢測速度，本文還提出了一種基于多尺度時間窗口的序列MI分類算法。在該方法中，我們選取了從600-2000ms長度范圍內(nèi)的8個不同時間

9、窗口對EEG信號進行特征提取和分類，并分別計算不同時間窗口分類結(jié)果的置信度。根據(jù)置信度值的大小，分類器對所有分類結(jié)果進行加權(quán)得到最終的MI分類結(jié)果。利用多尺度時間窗口分類算法，在同等分類準確率情況下，序列MI任務(wù)模板匹配響應速度相比于傳統(tǒng)單一長度時間窗口方法增加了11.4%，而在同等響應時間條件下，MI任務(wù)分類準確率提高了4.2%。實驗結(jié)果表明基于多尺度時間窗口分類算法能夠在保證較高分類準確率的情況下，提高序列MI任務(wù)的檢測速度。