基于EEg-NIRS的少通道腦機(jī)接口研究.pdf

1、腦機(jī)接口(brain-computer interface，BCI)是目前被廣泛關(guān)注的一個(gè)重要研究方向，其目的是建立一個(gè)大腦與外部環(huán)境之間信息交互和控制的通道。目前腦機(jī)接口的研究越來越趨于實(shí)用化和可穿戴化。而基于運(yùn)動(dòng)想象的BCI由于其不需要借助外界刺激，屬于獨(dú)立型BCI，因而一直以來都是BCI研究中的熱點(diǎn)。雙模態(tài)BCI由于其信號(hào)的獨(dú)立和互補(bǔ)性，為建立少通道的便攜BCI系統(tǒng)提供可能。
　　本文主要研究了基于腦電（electroenc

2、ephalography, EEG）-近紅外(near-infraredspectroscopy, NIRS)的雙模態(tài)少通道運(yùn)動(dòng)想象BCI系統(tǒng)，探討了該雙模態(tài)BCI從實(shí)驗(yàn)范式到模式分類的整體過程。并取得了如下的研究成果:
　　(1)本文首先根據(jù)EEG、NIRS運(yùn)動(dòng)想象信號(hào)產(chǎn)生的生理機(jī)制，采用溯源方法，從大腦皮層激活的層面定位左右手運(yùn)動(dòng)想象激活的主要腦部區(qū)域?yàn)锽rodmann分區(qū)中的輔助運(yùn)動(dòng)區(qū)6區(qū)。從而從信號(hào)源層面上確定少通道EEG

3、-NIRS BCI系統(tǒng)的通道排布，即EEG通道為10-20系統(tǒng)對(duì)應(yīng)的C3，CZ，C4，NIRS通道則布置為C3和C4周邊各3對(duì)發(fā)射極和接收極。
　　(2)為了更好的提取少通道BCI特征，本文在運(yùn)用共同空間模式(common spatialpatterns，CSP)方法進(jìn)行空間濾波前，先利用相空間重構(gòu)(phase space reconstruction, PSR)方法對(duì)3通道EEG信號(hào)進(jìn)行了通道擴(kuò)展。為了檢驗(yàn)該方法的有效性，本文利

4、用2005 BCI競(jìng)賽數(shù)據(jù)集Ⅲa的3通道數(shù)據(jù)分別經(jīng)CSP方法和PSR+CSP方法提取后的特征運(yùn)用同種分類器進(jìn)行四分類。結(jié)果發(fā)現(xiàn):僅利用CSP方法特征提取分類正確率為43.0％，而PSR+CSP方法特征提取正確率提高到73.9％。而對(duì)于本實(shí)驗(yàn)采集的數(shù)據(jù)，CSP方法特征提取分類正確率為60.7％，而PSR+CSP方法特征提取正確率提高到74.7％。而對(duì)于本文自采的少通道EEG數(shù)據(jù)分別經(jīng)CSP方法和PSR+CSP方法提取后的特征運(yùn)用同種分類器

5、分類，發(fā)現(xiàn)PSR+CSP方法得到的正確率比CSP方法高出約15％。說明PSR+CSP方法能夠有效的提取少通道BCI特征。
　　(3)本文探討了基于數(shù)據(jù)融合的雙模態(tài)信號(hào)模式分類，嘗試了基于支持向量機(jī)(support vector machine, SVM)的特征層融合和基于誤差反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)的決策層融合，其中利用SVM對(duì)EEG，NIRS信號(hào)進(jìn)行特征層融合取得了更好的分類結(jié)果?；赟VM的雙

6、模態(tài)特征層融合BCI系統(tǒng)平均正確率達(dá)81.2％，最高正確率100％，比任一單模態(tài)正確率都高。且由于采用數(shù)據(jù)融合技術(shù)，使得對(duì)某種腦信號(hào)采集技術(shù)反應(yīng)不明顯的被試，能夠在另一種技術(shù)上得到補(bǔ)充，從而使得本文的最低正確率從EEG單模態(tài)最低58.3％、NIRS單模態(tài)最低43.1％，提高到雙模態(tài)最低75.0％。并且基于SVM的特征層融合將融合和決策同時(shí)進(jìn)行，從而節(jié)省了系統(tǒng)信號(hào)處理的時(shí)間提高了響應(yīng)速度。采用雙模態(tài)數(shù)據(jù)融合建立BCI系統(tǒng)，提高了系統(tǒng)的時(shí)空