融合眼電信息的多任務(wù)模式腦-機(jī)接口系統(tǒng)研究與實(shí)現(xiàn).pdf

1、混合型腦-機(jī)接口(Hybrid Brain Computer Interface，HBCI)是指在單一腦電信號模式基礎(chǔ)上加入一種或多種新的控制方式，如另一種腦電信號模式或者是心率、眼動(dòng)、血流變化等生理信號，進(jìn)行混合控制的BCI。HBCI具有可完成任務(wù)種類多、識別準(zhǔn)確率高、控制方式靈活等優(yōu)點(diǎn)，已成為改進(jìn)BCI系統(tǒng)性能研究的新方向。本文研究了融合運(yùn)動(dòng)想象腦電信號和眼動(dòng)信號的混合腦-機(jī)接口在線控制系統(tǒng)，包括腦電和眼電信號的采集、預(yù)處理、特征提

2、取和模式識別方法，并完成了實(shí)時(shí)控制小四軸飛行器的飛行操作實(shí)驗(yàn)。本文主要研究工作如下：
　?。?）在分析比較了時(shí)域分析法、時(shí)頻域分析法和共空間模式（Common Spatial Pattern，CSP）等特征提取方法的基礎(chǔ)上，設(shè)計(jì)了OVO-CSP（One Versus One CSP）算法和OVR-CSP（One Versus the Rest CSP）算法提取多類別腦電信號的特征。
　?。?）對 EEG信號的模式識別方法進(jìn)行

3、了研究改進(jìn)。詳細(xì)分析了 OVR-SVM（One Versus the Rest Support Vector Machine）、OVO-SVM（One Versus One Support Vector Machine）、DAG-SVM（DAG Support Vector Machine）等多種分類方法各自的優(yōu)缺點(diǎn)，提出了一種新的雙層SVM分類器結(jié)構(gòu)對四類腦電信號進(jìn)行分類。用2008年競賽數(shù)據(jù)集data set2a驗(yàn)證了該雙層SVM分

4、類器結(jié)構(gòu)的分類正確率，并與DAG-SVM方法進(jìn)行了對比。本文提出方法雖然訓(xùn)練時(shí)間比 DAG-SVM略長，測試時(shí)間與 DAG-SVM相差不多，而其分類正確率明顯高于DAG-SVM。
　?。?）提出用雙樹復(fù)小波變換（DTCWT）提取眼電信號的特征參數(shù)，解決了離散小波變換（DWT）提取眼電信號特征時(shí)存在的頻率混疊、平移敏感性等缺陷。根據(jù)Donoho閾值去噪理論估計(jì)DTCWT分解后各層小波系數(shù)的閾值，閾值重構(gòu)后進(jìn)行下采樣將其作為眼電信號的

5、特征參數(shù)。采用SVM和時(shí)域特征相結(jié)合的方法進(jìn)行分類，SVM分類器識別眼動(dòng)為水平方向上的運(yùn)動(dòng)或垂直方向上的運(yùn)動(dòng)，再用眼電信號的時(shí)域特征識別水平或垂直方向上的眼動(dòng)模式。實(shí)驗(yàn)結(jié)果顯示，該分類方法能有效識別眼球的掃視模式和連續(xù)眨眼模式。
　　（4）搭建了混合腦-機(jī)接口在線控制實(shí)驗(yàn)平臺，在Emotiv EPOC腦電采集儀上擴(kuò)展了眼電信號采集電極，將數(shù)據(jù)實(shí)時(shí)傳回計(jì)算機(jī)。在 MATLAB2015和 VS2010上分別編寫了GUI控制界面，設(shè)計(jì)了