腦機(jī)接口信號處理方法及控制應(yīng)用研究.pdf

1、腦機(jī)接口（BCI）不依托大腦正常信息傳遞執(zhí)行通路，通過解碼提取相關(guān)信息現(xiàn)已發(fā)展為新的對外交流方式，在醫(yī)療、軍事、機(jī)器人控制上很廣泛的應(yīng)用研究意義，得到了全球范圍內(nèi)的廣泛關(guān)注。而在大腦采集的信號模式中，事件相關(guān)去同步/同步(ERD/ERS)腦電模式與大腦運動想象思維相關(guān)，生理特性明顯、區(qū)分度好，成為了腦機(jī)接口的研究熱點。在大量的腦機(jī)接口資料積累的基礎(chǔ)上，本文基于ERD/ERS腦電模式的性質(zhì)原理，主要研究了腦電數(shù)據(jù)處理方法，對腦電信號處理中

2、運用的預(yù)處理、特征提取和模式分類算法做了詳細(xì)介紹，同時通過離線的兩分類和四分類運動想象腦電數(shù)據(jù)集進(jìn)行處理方法驗證。對于模式分類器支持向量機(jī)（SVM），其分類性能與參數(shù)優(yōu)化有關(guān)，本論文提出了磁性細(xì)菌優(yōu)化算法（MBOA）優(yōu)化SVM分類器方法。文章的最后建立了便攜式腦機(jī)接口控制系統(tǒng)。
　　論文中首先概括介紹腦機(jī)接口的定義、研究內(nèi)容，總結(jié)了腦機(jī)接口研究領(lǐng)域的興起、研究現(xiàn)狀和未來發(fā)展。詳細(xì)闡述了腦電信號處理中預(yù)處理、特征提取及模式分類方法。

3、
　　針對模式識別分類器SVM，引入智能優(yōu)化算法對SVM參數(shù)做優(yōu)化。應(yīng)用MBOA對SVM進(jìn)行優(yōu)化，并與粒子群算法（PSO），人工蜂群算法（ABC），遺傳算法（GA），生物地理優(yōu)化算法（BBO）做對比，并通過國際UCI數(shù)據(jù)集驗證。
　　針對運動想象兩分類腦電數(shù)據(jù)集，采用了多種特征提取和分類方法組合對比驗證；針對運動想象四分類腦電數(shù)據(jù)集，采用了共空間模式-支持向量機(jī)（CSP-SVM）組合方法，為了獲得更高的分類準(zhǔn)確率，本論文將M