機器學習方法在腦—機接口技術(shù)中的應(yīng)用研究.pdf

1、腦—機接口(Brain-computerinterfaces,BCI)是在人腦與電子設(shè)備,例如計算機之間建立新型的直接交流通道,通過這種通道,人就可以通過大腦產(chǎn)生的信號來表達想法以便轉(zhuǎn)換成為控制命令。因此這為癱瘓的病人提供了一種新的交流與控制方式,并將極大地增強患者控制外部環(huán)境的能力和提高他們的生活質(zhì)量。腦—機接口技術(shù)是一種涉及神經(jīng)科學、信號檢測、信號處理、模式識別、控制理論等多學科的交叉技術(shù)。本文對腦—機接口技術(shù)中涉及的一些神經(jīng)電生理

2、現(xiàn)象進行了分析,并對其中信息技術(shù)部分所采用的機器學習方法進行了較為詳細地應(yīng)用研究以改進腦—機接口系統(tǒng)的性能。在此我們主要研究了以下三個方面的內(nèi)容:(1)本論文首先基于支持向量機(supportvectormachines,SVM)提出了一種判別框架用于進行左右手運動想象任務(wù)的單次在線分類。其中,腦電信號中的時頻信息采用Morlet小波函數(shù)從兩個頻段(μ和β節(jié)律)提取,然后采用基于支持向量機框架的方法進行判別信息的累積以便于預(yù)測使用者的意

3、動方向。該方法有效地改善了單次在線分類的準確率和穩(wěn)定性。(2)其次,在對手指運動的神經(jīng)電生理活動分析的基礎(chǔ)上,本論文發(fā)展了一種判別空間模式(discriminativespatialpatterns,DSP)方法用于運動相關(guān)電位的提取,同時與共空間模式(commonspatialpatterns,CSP)方法一起用于左右手指自發(fā)運動任務(wù)時腦電信號特征的提取。結(jié)果表明組合的空間濾波方法能夠有效地改善該任務(wù)下的分類效果。(3)最后,發(fā)展了一