基于BCI多動作模式的ERD-ERS信號分析及識別方法的研究.pdf

1、腦-機接口(Brain-Computer Interface,BCI)是在人腦和計算機或其它電子設(shè)備之間建立的一種直接信息交流和控制通道。由于其在康復工程、腦科學研究、人工智能等領(lǐng)域的重要應(yīng)用價值,腦-機接口正成為研究熱點之一。
　　 本文的研究對象是想象動作過程中產(chǎn)生的事件相關(guān)去同步(Event RelatedDesynchronization,ERD)/事件相關(guān)同步(Event Related Synchronization

2、,ERS)。目前所見到的文獻中對左右手產(chǎn)生的ERD/ERS信號討論較多,對于其特征頻段以及對應(yīng)的大腦皮層活動區(qū)域已有較為可信的研究成果,但卻很少見到關(guān)于腳和舌部動作產(chǎn)生的ERD/ERS信號的報道,對于這兩種動作的特征頻段和對應(yīng)的腦部活動區(qū)還沒有得到一個有說服力的結(jié)果。
　　 本課題的主要工作就是對左手、右手、腳、舌頭四種想象動作誘發(fā)的ERD/ERS信號的分析和分類提取,得到關(guān)于四種動作模式ERD/ERS信號的特征(重點是腳和舌部

3、動作),并利用這些特征尋求有效的動作模式分類識別算法。課題所采用的數(shù)據(jù)來源于BCI competition2005 dataⅢa,是由奧地利Graz工業(yè)大學BCI實驗室采集的,有很好的可靠性。我們用多種方法包括時頻圖譜法(Time-Frequency Spectrogram,TFS)、功率譜密度(Power Spectral Density,PSD)曲線法、ERD/ERS系數(shù)法和腦地形圖法、功率譜熵(Power Spectral Ent

4、ropy,PSE)分析法、小波熵(wavelet Entropy,WE)分析以及基于獨立分量分析(ICA)的頻域以及基于獨立分量分析(Independent Component Analysis,ICA)的頻域-空間濾波方法對四種動作模式的實驗信號進行了細致的分析。不僅印證了文獻中關(guān)于左右手動作的結(jié)論,還使我們對腳和舌頭動作的ERD/ERS特征信息有了較清晰的認識,包括ERD/ERS明顯的特征頻段,與其它動作區(qū)分度好的導聯(lián)一頻率,以及對

5、應(yīng)的腦部活動區(qū)。在此基礎(chǔ)上,我們用多種方法對實驗信號進行了特征提取和分類,結(jié)果證明基于ICA的信號提取算法和基于支持向量機(SupportVector Machine,SVM)的分類方法的結(jié)合是識別想象動作電位思維模式非常有效的手段。這種算法取得了較高的分類正確率(最高的組為91.4％,最低的組為77.6％),后經(jīng)改進在保持較高分類正確率的前提下大大縮短了計算所需的時間(降低到原來的15％～20％),為最終實現(xiàn)基于想象動作電位的實時BC