基于想象駕駛行為的腦電信號分析與腦機接口研究.pdf

1、　　腦機接口技術(shù)在康復(fù)領(lǐng)域的應(yīng)用是為那些有肢體殘疾但大腦思維正常的人群提供一種輔助控制方式。本文對基于想象駕駛的腦電特征及控制接口系統(tǒng)進行了研究,目的是為有肢體障礙的人群提供一種輔助駕駛方式。為了模擬真實的駕駛環(huán)境,實驗設(shè)計將外界動態(tài)的交通場景融入到研究中,同時從駕駛者自身感知包括視覺、聽覺及視聽多模態(tài)感知出發(fā),設(shè)計了基于多模態(tài)感知的駕駛場景并對采集的相關(guān)腦電信號進行特征分析。實驗中將受試者本身作為黑盒系統(tǒng),受試者在交通信息的提示下利用

2、左右手想象運動,實現(xiàn)對車輛或輪椅的啟動和制動控制。
　　利用Neuroscan軟件,本文對采集的三類感知下的腦電數(shù)據(jù)分別進行了預(yù)處理,并利用公共空間模式(common spatial patterns, CSP)算法進行了特征提取分析和比較。同時,將線性回歸模型引入了特征信號的分類中,取得了較好的分類效果。
　　鑒于聽覺感知的良好效果,利用SPEC061a單片機及外圍系統(tǒng),設(shè)計了基于語音識別技術(shù)的腦電駕駛模型,利用語

3、音系統(tǒng)對車輛模型進行命令驅(qū)動,并將其作為基于受試者本身的反饋信息,以便及時對錯誤信息進行調(diào)整。
　　全文主要研究工作如下：
　　1、虛擬交通環(huán)境的設(shè)計
　　采用三維動畫軟件Maya技術(shù),設(shè)計了虛擬的動態(tài)交通環(huán)境。結(jié)合現(xiàn)實交通場景,從視覺、聽覺以及視聽融合的交通信息出發(fā),分別設(shè)計了基于不同感知的三種環(huán)境。其中視覺設(shè)計采用了紅綠燈系統(tǒng),聽覺設(shè)計采用剎車鳴笛提示音頻系統(tǒng),而視聽環(huán)境則采用二者環(huán)境的融合。虛擬交通環(huán)

4、境的設(shè)計,即能夠從實際駕駛環(huán)境出發(fā),充分考慮人類感知器官對腦電的影響,又能夠提高了腦電采集中受試者對實驗的沉浸感。
　　2、腦電的預(yù)處理
　　腦電的采集和預(yù)處理采用美國Neuroscan公司的腦電采集系統(tǒng),利用該軟件進行了去眼電、肌電、工頻干擾等預(yù)處理,并利用腦電地形圖軟件進行了定位分析,得出不同感知下的腦電在反應(yīng)強度和持續(xù)時間上存在著不同,聽覺感知下得到的響應(yīng)腦電持續(xù)時間較長,超過1 s,為本文中腦電駕駛的進一步研

5、究奠定了基礎(chǔ)。
　　3、腦電的特征提取
　　選用CSP算法,對預(yù)處理的數(shù)據(jù)分別從時域、頻域進行了特征提取。結(jié)果表明：聽覺感知下得到的腦電信息時域特征明顯,在與左右手想象運動相關(guān)的電極C3、C4上,均表現(xiàn)出右手任務(wù)得到的腦電幅值高于左手任務(wù),且最大幅值差達120μV,且腦電響應(yīng)時間較長,這一點與腦電地形圖分析結(jié)果類似。
　　4、分類處理
　　文中將線性回歸算法引入到腦電的分類處理中,視覺和視聽感知下

6、的最高平均識別率達 83.3%,而對于特征比較明顯的聽覺感知下的腦電數(shù)據(jù)來說,最高平均識別率達96.67%。從處理結(jié)果看,線性回歸算法在對聽覺感知下腦電數(shù)據(jù)分類中,取得了較好的效果。
　　5、基于語音識別的腦電駕駛模型的設(shè)計
　　根據(jù)三類腦電處理結(jié)果,針對聽覺感知實驗獲得的良好效果,本文結(jié)合語音識別技術(shù),利用SPCE061a單片機系統(tǒng),設(shè)計了以語音作為反饋效果的腦機接口車輛控制模型,實現(xiàn)了利用想象腦電控制車輛前進和停