自發(fā)腦電腦機(jī)接口模式識(shí)別關(guān)鍵技術(shù)與實(shí)驗(yàn)研究.pdf

1、大腦是人體中最復(fù)雜的部分，也是宇宙中迄今所知最為復(fù)雜的組織結(jié)構(gòu)，腦科學(xué)的研究已經(jīng)成為當(dāng)代科學(xué)研究的熱點(diǎn)。由于大腦自身的復(fù)雜性，神經(jīng)聯(lián)系的豐富多樣性，使得大腦研究成為一項(xiàng)十分復(fù)雜的課題，正是這種多樣性、復(fù)雜性決定了腦研究方法的多樣和復(fù)雜。腦電圖檢測(cè)(Electroencephalography,EEG)成為目前客觀記錄腦機(jī)能狀態(tài)變化的重要方法之一，而基于EEG的腦機(jī)接口(Braincomputerinterface，BCI)也已成為腦科學(xué)

2、的一個(gè)新興研究課題。 腦機(jī)接口是不依賴于腦的正常輸出通路(外周神經(jīng)系統(tǒng)及肌肉組織)的腦-機(jī)(計(jì)算機(jī)或其它裝置)通訊系統(tǒng)，是一種新穎的人機(jī)接口方式。它是人類了解和提高腦功能的重要手段，在殘疾人康復(fù)、正常人輔助控制、娛樂(lè)、腦認(rèn)知等領(lǐng)域有著廣泛的應(yīng)用前景。 腦機(jī)接口系統(tǒng)中采用的控制信號(hào)包括兩種類型：自發(fā)腦電和誘發(fā)腦電。其中，基于自發(fā)腦電信號(hào)的BCI系統(tǒng)基本工作原理是：人在某些情況下能夠產(chǎn)生特定模式的自發(fā)EEG，并借助高性能的生

3、物電信號(hào)采集系統(tǒng)進(jìn)行記錄：再經(jīng)過(guò)設(shè)計(jì)的數(shù)據(jù)處理算法把腦電特征實(shí)時(shí)地提取出來(lái)，進(jìn)而進(jìn)行自動(dòng)分類識(shí)別，從而實(shí)時(shí)判斷出當(dāng)前所處的思維狀態(tài)；最后通過(guò)計(jì)算機(jī)將判斷出來(lái)的思維狀態(tài)翻譯成預(yù)先設(shè)定的控制命令，實(shí)現(xiàn)人腦對(duì)計(jì)算機(jī)等外部設(shè)備的直接控制。本論文是針對(duì)自發(fā)腦電信號(hào)的模式識(shí)別算法及其應(yīng)用進(jìn)行研究，首先在自發(fā)腦電的信號(hào)處理方面，以提高識(shí)別精度為目標(biāo)，圍繞自發(fā)EEG的特征提取、特征選擇和分類三個(gè)階段進(jìn)行研究，提出和應(yīng)用了若干模式識(shí)別方法，并用標(biāo)準(zhǔn)競(jìng)賽數(shù)

4、據(jù)進(jìn)行初步檢驗(yàn)：然后研究和設(shè)計(jì)了一種基于自發(fā)進(jìn)行運(yùn)動(dòng)控制的BCI系統(tǒng)，在此基礎(chǔ)上搭建了實(shí)驗(yàn)平臺(tái)，設(shè)計(jì)了基于三種運(yùn)動(dòng)想象思維任務(wù)的實(shí)驗(yàn)范例，并用獲取的實(shí)驗(yàn)數(shù)據(jù)對(duì)所提出的模式識(shí)別算法進(jìn)行比較和分析，進(jìn)一步驗(yàn)證這些方法的有效性。具體研究?jī)?nèi)容包括以下幾個(gè)方面： ◆自發(fā)EEG特征提取算法研究：本文在分析現(xiàn)有特征提取方法及存在的問(wèn)題的基礎(chǔ)上，針對(duì)腦電信號(hào)的非平穩(wěn)特性，提出了基于小波包分解系數(shù)及子空間能量的特征提取、基于經(jīng)驗(yàn)?zāi)B(tài)分解和希爾波特

5、變換的特征提取以及一種適用于只含有兩類思維任務(wù)的BCI系統(tǒng)的閾值判定特征提取，并將提出方法與現(xiàn)有的基于自回歸模型參數(shù)的特征提取、基于小波變換系數(shù)的特征提取進(jìn)行比較，驗(yàn)證了提出的算法可以獲取最佳特征，從而更加有效地進(jìn)行后續(xù)的特征選擇和分類。 ◆自發(fā)EEG特征選擇算法研究：特征選擇是指從原始特征集中找到最有利于分類的特征子集，以提高分類器的精度和性能。本文提出一種基于基因優(yōu)化的特征選擇算法應(yīng)用于腦機(jī)接口，并與現(xiàn)有的基于遺傳算法的特征

6、選擇、基于Fisher距離的濾波算法進(jìn)行比較，驗(yàn)證其有效性。 ◆自發(fā)EEG特征分類算法研究：分類是依據(jù)輸入的特征子集，輸出特征應(yīng)該歸屬的類別。本文將基于概率神經(jīng)網(wǎng)絡(luò)的分類、基于支持向量機(jī)的分類應(yīng)用于腦機(jī)接口，提出有監(jiān)督學(xué)習(xí)的概率神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法以及利用基因優(yōu)化支持向量機(jī)模型參數(shù)，并與無(wú)監(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)分類、基于經(jīng)驗(yàn)支持向量機(jī)的分類、基于遺傳算法優(yōu)化支持向量機(jī)參數(shù)的分類進(jìn)行比較，證明了它們的有效性和優(yōu)越性。 ◆基于自發(fā)E

7、EG的腦.機(jī)接口實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)：圍繞建立一套6-8通道自發(fā)腦電數(shù)據(jù)采集儀和運(yùn)動(dòng)控制機(jī)構(gòu)的目標(biāo)，完成了整個(gè)系統(tǒng)以及各模塊的具體設(shè)計(jì)，包括放大網(wǎng)絡(luò)、濾波網(wǎng)絡(luò)、基于無(wú)線通信的電氣隔離系統(tǒng)、基于USB的輸入輸出接口電路和基于無(wú)線通信的控制系統(tǒng)等模塊。為后續(xù)的腦機(jī)接口擴(kuò)展研究提供了前提。 ◆對(duì)所研究的方法進(jìn)行了理論分析之后，為檢驗(yàn)這些方法的有效性，首先采用了2005年腦機(jī)接口國(guó)際競(jìng)賽的標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行初步驗(yàn)證，再基于腦-機(jī)接口系統(tǒng)設(shè)計(jì)搭建實(shí)驗(yàn)平

8、臺(tái)，依據(jù)BCI競(jìng)賽中標(biāo)準(zhǔn)數(shù)據(jù)的產(chǎn)生來(lái)源，設(shè)計(jì)采用了三種運(yùn)動(dòng)想象任務(wù)的實(shí)驗(yàn)范例：想象左手拍籃球、想象右手拍籃球、想象右腳踩剎車，并對(duì)獲得的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析處理，以識(shí)別精度為指標(biāo)，將研究的模式識(shí)別方法與其它現(xiàn)有的識(shí)別方法進(jìn)行比較，結(jié)果所提出的方法能夠取得更好的識(shí)別效果。解決了該BCI系統(tǒng)的模式識(shí)別部分的關(guān)鍵問(wèn)題，為下一步的工作打下了基礎(chǔ)。 由于實(shí)驗(yàn)數(shù)據(jù)的局限性，所提出的模式識(shí)別算法的魯棒性有待進(jìn)一步驗(yàn)證，論文最后對(duì)所做工作和研究成果