運(yùn)動(dòng)想象腦電信號(hào)的特征提取算法研究.pdf

1、腦-機(jī)接口（Brain-computer interface，BCI）是一種不依賴外周神經(jīng)和肌肉等傳統(tǒng)信息通道的特殊人-機(jī)交互技術(shù)。利用該技術(shù)，可實(shí)現(xiàn)大腦與外部設(shè)備之間的直接通信和控制。作為神經(jīng)活動(dòng)的信息載體，頭皮腦電(EEG)信號(hào)能實(shí)時(shí)反映思維狀態(tài)的變化，并且容易檢測(cè)，因此在非植入式BCI系統(tǒng)中得到了廣泛應(yīng)用。然而由于大腦容積傳導(dǎo)效應(yīng)的存在，使得頭皮腦電的空間分辨率較低。同時(shí)，非神經(jīng)活動(dòng)偽跡（如眼電、肌電、心電等）和環(huán)境噪聲也大大降低

2、了有用信息的信噪比。因此，在基于EEG的BCI系統(tǒng)實(shí)現(xiàn)研究中，如何從多道頭皮腦電中獲取思維相關(guān)的真實(shí)神經(jīng)活動(dòng)成分是非常關(guān)鍵的技術(shù)環(huán)節(jié)。
　　本文圍繞運(yùn)動(dòng)想象BCI系統(tǒng)的實(shí)現(xiàn)，對(duì)EEG信號(hào)處理和特征提取新方法開(kāi)展研究，主要做了以下工作:
　　(1)設(shè)計(jì)了運(yùn)動(dòng)想象BCI的實(shí)驗(yàn)范式，并采集了較豐富的運(yùn)行想象EEG數(shù)據(jù)，為后續(xù)研究打下了良好的基礎(chǔ)。
　　(2)針對(duì)任務(wù)相關(guān)EEG節(jié)律波的包絡(luò)檢測(cè)和運(yùn)動(dòng)想象分類問(wèn)題，實(shí)現(xiàn)了四種包絡(luò)

3、檢測(cè)方法:非線性能量算子(Nonlinear energy operator，NEO)、希爾伯特變換(Hilbert transform，HT)和兩種滑動(dòng)窗獨(dú)立分量分析(Independentcomponent analysis，ICA)算法。基于BCI2003競(jìng)賽數(shù)據(jù)，對(duì)四種包絡(luò)檢測(cè)算法在運(yùn)動(dòng)想象分類中的應(yīng)用效果進(jìn)行了分析和比較。研究了干擾偽跡對(duì)包絡(luò)檢測(cè)精度的影響，并提出了相應(yīng)的改進(jìn)思路。
　　(3)研究了結(jié)合時(shí)、頻、空域的空域

4、濾波新方法。ICA和共同空間模式（Common spatial pattern，CSP）是兩種重要的空域?yàn)V波算法。兩種算法都是提取空域?yàn)V波器后對(duì)預(yù)處理后的腦電信號(hào)進(jìn)行濾波，得到與神經(jīng)活動(dòng)相關(guān)的隱含信號(hào)源。由于濾波器的設(shè)計(jì)原理的不同，最終所得隱含源的物理意義差別也很大。本文首先基于實(shí)測(cè)運(yùn)動(dòng)想象EEG數(shù)據(jù)，分析和比較兩種空域?yàn)V波方法各自的性能特點(diǎn)。在此基礎(chǔ)上，給出了一種結(jié)合ICA和CSP的EEG特征提取新方法，實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法的有效性