基于想象運(yùn)動(dòng)腦機(jī)接口的特征提取方法研究.pdf

1、基于想象運(yùn)動(dòng)的腦機(jī)接口為運(yùn)動(dòng)功能嚴(yán)重受損的癱瘓病人提供了一種恢復(fù)與外界交流及部分運(yùn)動(dòng)輸出能力的有效手段。伴隨想象運(yùn)動(dòng)輸出的事件相關(guān)同步/去同步的生理學(xué)現(xiàn)象奠定了這類腦機(jī)接口的生理學(xué)基礎(chǔ)。由于大腦活動(dòng)的復(fù)雜性，僅僅想象運(yùn)動(dòng)的機(jī)制仍未能完全了解清楚，以及其因人、因時(shí)而異的特點(diǎn)，到目前為止，想象運(yùn)動(dòng)的分類正確率普遍還不高，且個(gè)體差異性很大，因而限制了此類腦機(jī)接口的實(shí)際應(yīng)用范圍。針對(duì)想象運(yùn)動(dòng)的腦機(jī)接口中存在的分類正確率不高以及每次實(shí)驗(yàn)或應(yīng)用時(shí)都

2、需要較長(zhǎng)時(shí)間的重新訓(xùn)練兩大問題，經(jīng)分析可以從信號(hào)采集、特征提取以及模式分類等幾個(gè)環(huán)節(jié)入手改善，本文主要圍繞特征提取這一重要環(huán)節(jié)展開了如下工作：
　　針對(duì)分類正確率不高這一問題，本文分別對(duì)多通道腦電信號(hào)以及少通道腦電信號(hào)兩種情況進(jìn)行分析、研究。在多通道腦電信號(hào)應(yīng)用中，由于大量通道間的腦電信號(hào)存在很強(qiáng)的空間相關(guān)性、節(jié)律活動(dòng)的頻段存在個(gè)體差異性以及非平穩(wěn)性，針對(duì)腦電信號(hào)的這一特點(diǎn)，本文在特征優(yōu)選框架下，提出了同時(shí)優(yōu)化時(shí)間段分布、通道分布

3、以及優(yōu)選空頻特征的時(shí)、空、頻聯(lián)合優(yōu)化方法以提高原始信號(hào)的信噪比、提取想象運(yùn)動(dòng)中最有區(qū)分度的信息。為了彌補(bǔ)傳統(tǒng)的空間濾波器算法中存在的特征提取無(wú)法與最小貝葉斯分類誤差率建立直接聯(lián)系的缺點(diǎn)，本文繼而深入研究了基于極大化互信息熵的空頻特征優(yōu)化問題，在這一優(yōu)化框架下，我們提出了基于坐標(biāo)輪換思想的梯度上升優(yōu)化方法來(lái)優(yōu)化目標(biāo)函數(shù)，將本文提出的空頻特征優(yōu)化方法以及時(shí)、空、頻聯(lián)合優(yōu)化方法與現(xiàn)有的研究工作作比較，可以發(fā)現(xiàn)本文提出的方法具有明顯的分類正確率

4、優(yōu)勢(shì)。
　　針對(duì)少通道腦電信號(hào)的應(yīng)用情況，由于在此情況下信號(hào)本身空間信息量有限，如何最有效的利用頻域信息成為彌補(bǔ)空間信息量不足的一條解決途徑。本文提出利用高階統(tǒng)計(jì)量分析工具―雙譜分析方法來(lái)提取腦電信號(hào)中多個(gè)頻帶間非線性作用以及非高斯性的區(qū)分度信息。與傳統(tǒng)的二階矩分析方法相比較，本文研究的多頻帶下積分雙譜特征能夠提取腦電信號(hào)中多個(gè)頻段非線性作用的信息，通過實(shí)驗(yàn)數(shù)據(jù)分析可以發(fā)現(xiàn)多頻帶雙譜特征可以挖掘出優(yōu)于傳統(tǒng)帶通能量特征的區(qū)分度信息，

5、從而為提高少通道下想象運(yùn)動(dòng)的分類正確率提供有效的途徑。
　　為了減少腦機(jī)接口訓(xùn)練時(shí)間，增強(qiáng)其長(zhǎng)期服役性能，本文研究了同時(shí)更新共空域模式CSP特征抽取矩陣與半監(jiān)督自適應(yīng)分類器參數(shù)的學(xué)習(xí)算法對(duì)減少訓(xùn)練樣本數(shù)目的作用。通過利用無(wú)標(biāo)簽的測(cè)試數(shù)據(jù)來(lái)擴(kuò)充樣本量有限的訓(xùn)練集數(shù)據(jù)，本文提出的算法經(jīng)實(shí)驗(yàn)數(shù)據(jù)分析表明，此方法為減少腦機(jī)接口的訓(xùn)練樣本提供了一種有效的解決方法。
　　本論文的主旨在于通過理論與實(shí)驗(yàn)數(shù)據(jù)分析相結(jié)合，為提高腦機(jī)接口的分類