基于腦電與眼電的電動輪椅控制方法研究.pdf

1、腦電(Electroencephalogram，EEG)是由大腦神經元活動引起有節(jié)律性變化的生物電信號，其中蘊含了人類思維活動的相關信息。眼是人類心靈活動的窗戶，眼電(Electro-oculogram，EOG)是一種由視網膜與角膜之間的電勢差形成的生物電信號，由眼球活動引發(fā)，與大腦思維活動密切相關。如何有效提取腦電和眼電信號中蘊含的信息，進而開發(fā)出由腦電和眼電控制的康復輔助裝置，服務于肢體運動控制障礙患者，已經成為生物醫(yī)學、腦機接口、

2、康復工程等領域的熱點研究方向。
　　在國家自然科學基金項目(61172134)的支持下，本文按照課題“基于腦電與眼電的電動輪椅控制方法研究”的要求，闡述了人機交互的國內外研究現(xiàn)狀，介紹了腦電與眼電信號的生理學基礎，研究分析了腦電與眼電信號的預處理、特征提取及模式分類的算法，探討了基于腦電與眼電的電動輪椅控制方法。本文在研究過程中所取得的主要成果如下：
　　(1)為消除混雜在腦電信號中的噪聲，提出了一種EEMD與改進的自適應閾

3、值提升小波算法相結合的腦電信號消噪方法。首先利用EEMD算法將含噪腦電信號分解為若干個IMF分量，然后通過自相關函數(shù)特性法提取出由噪聲主導的高頻IMF分量，并運用改進的自適應閾值提升小波算法進行消噪處理，最后將保留的低頻IMF分量與消噪后的高頻IMF分量進行重構，得到消噪后的腦電信號。實驗結果表明，與傳統(tǒng)提升小波的軟閾值消噪和改進提升小波的軟閾值消噪兩種方法相比，該消噪方法的信噪比和均方根誤差都有明顯改善，為后續(xù)腦電信號的特征提取和模式

4、識別奠定了良好的基礎。
　　(2)針對共空間模式(CommonSpatialPatterns，CSP)算法容易遺漏腦電信號頻率某些關鍵特征的缺點，結合腦電信號的頻率特性、導聯(lián)間的相關性及小波包變換良好的頻率特性分析能力，提出了一種基于小波包變換的CSP腦電信號特征提取方法。首先利用小波包對C3、C4和Cz導聯(lián)的原始腦電信號進行分解，提取出與δ波、θ波、α波和β波頻率成分相似的四個頻帶，進行小波包重構，從而獲得腦電信號的四種節(jié)律成分

5、，最后將C3、C4和Cz導聯(lián)的四種節(jié)律成分作為CSP濾波器的輸入進行特征提取。實驗結果表明，基于小波包變換的CSP腦電信號特征提取方法的分類識別率高于傳統(tǒng)的CSP算法。
　　(3)在模式識別方面，提出了一種支持向量機(SupportVectorMachine，SVM)和D-S證據(jù)推理相結合的模式分類方法。首先利用SVM分別對腦電信號和眼電信號進行模式分類，然后利用D-S證據(jù)推理算法進行決策層融合，最后將融合后的分類結果映射為控制命

6、令來控制電動輪椅運動。實驗結果表明，腦電與眼電信號決策層融合后的識別率明顯高于單純的腦電信號，且稍高于單純的眼電信號，從而為電動輪椅的控制方法研究提供了一種思路。
　　(4)設計了基于腦電與眼電信號融合的電動輪椅控制實驗方案。改進了視覺刺激軟件，從而能夠在單次實驗中同時采集受試者運動想象下的腦電信號和眼球掃視下的眼電信號，完成了腦電與眼電信號的預處理、特征提取和模式分類，并將模式分類結果映射為命令，進而控制電動輪椅前進、左轉、右轉