基于多類運動感知腦電的異步腦-機接口的研究.pdf

1、腦-機接口(brain-computer interface，BCI)是一種不依賴于大腦外周神經(jīng)與肌肉正常輸出通道的通訊控制系統(tǒng)，是在大腦與外部設備之間建立的直接交流通道?；谀X電的BCI技術是腦神經(jīng)科學，認知科學，康復工程，現(xiàn)代信息學與計算機科學等學科共同發(fā)展的產(chǎn)物，實現(xiàn)了人腦意識信息與計算機等電子設備間的交換，對進一步研究人的思維機理，幫助有行為障礙的人康復都具有十分重要的作用。對腦一機接口的研究具有非常重要的科學意義、學術價值和廣

2、闊的應用前景，是當今世界研究的熱點。
　　 基于想象運動的腦電信號(electroencephalogram，EEG)不需要結構化的物理環(huán)境，是一種被廣泛采用的思維作業(yè)方式。腦一機接口技術從實驗室研究走向實際應用的關鍵在于對運動想象腦電信號的識別精度和識別速度問題。本文在總結前人工作的基礎上，對腦電信號的采集、處理等問題進行研究。主要包括以下幾個方面：
　　 第一、進行系統(tǒng)信號采集模塊設計。在實驗室已有的腦電采集設備和信

3、號采集軟件基礎上，根據(jù)本人的課題研究，設計相應的大腦想象運動任務實驗。根據(jù)要求，使用VC++6.0編寫出相應的腦電信號采集軟件。
　　 第二、對采集的腦電信號進行預處理。由于腦電信號非常微弱，在采集過程中容易受到各種噪聲干擾的影響，對腦電信號必須進行去噪處理。本文主要通過小波變化、數(shù)字濾波等方法對采集到的信號進行處理，把信號中的無用成分包括心電、眼電、肌電等偽跡去除掉，提取其中的有效信息為后面的處理做準備。
　　 第三、

4、對腦電信號進行特征提取。特征提取的目的是將從預處理后獲得的EEG信號變換為能代表不同意識任務的特征向量。能否提取出大腦思維活動中的有效特征信息是BCI研究的關鍵所在，是正確識別不同思維意識模式的基礎。本文主要討論自適應回歸（Adaptive Autoregressive，AAR）模型、獨立分量分析(Independent ComponentAnalysis，ICA)、共用空間模式（Common Spatial Pattern，CSP）幾