基于ERD-ERS腦-機(jī)接口的特征提取和分類算法研究.pdf

1、腦-機(jī)接口(Brain-Computer Interface，BCI)是一種全新的人-機(jī)接口方式，它不依賴于人體的外周神經(jīng)與肌肉系統(tǒng)，直接從大腦獲取與外界通訊的信息。研究和發(fā)展BCI技術(shù)最主要的目的在于設(shè)計(jì)出基于腦電信號(hào)的控制裝置以幫助嚴(yán)重的殘疾患者以及嚴(yán)重的交流障礙患者恢復(fù)控制和交流功能。研究腦-機(jī)接口是人類對(duì)腦電活動(dòng)規(guī)律不斷認(rèn)知的過程。
　　本文研究的主要目的是尋找合適的信號(hào)采集與處理方法，提高信號(hào)處理的分類的準(zhǔn)確率。研究離線

2、腦-機(jī)接口的最終目的是建立穩(wěn)定、可靠、快速的在線BCI系統(tǒng)，幫助癱瘓病人恢復(fù)肢體運(yùn)動(dòng)或?qū)崿F(xiàn)對(duì)外界的控制。
　　實(shí)驗(yàn)中的數(shù)據(jù)采集自五名健康實(shí)驗(yàn)者的腦電信號(hào)，針對(duì)小樣本運(yùn)動(dòng)想象腦電的特征提取和分類算法進(jìn)行了離線研究。論文分析了腦電信號(hào)產(chǎn)生的機(jī)理，論述了腦電信號(hào)處理的一般方法。本文主要采用了三種特征提取的方法，分別是小波系數(shù)、相對(duì)小波能量、和基于最小二乘估計(jì)法的AAR(Adaptive Auto-Regressive model，AAR

3、)模型系數(shù)。由于小波變換的多分辨率特點(diǎn)，很適合提取腦電信號(hào)特征。相對(duì)小波能量能反映信號(hào)不同頻帶所含能量及整個(gè)信號(hào)段能量隨時(shí)間變化的特征。AAR模型的系數(shù)估計(jì)相比于AR(Auto-Regressive，AR)模型，它的系數(shù)是隨著時(shí)間的變化而變化的，因此可以表述非平穩(wěn)信號(hào)的特征，比對(duì)信號(hào)做加窗的AR模型估計(jì)有著許多優(yōu)點(diǎn)。實(shí)驗(yàn)表明，這三種特征提取方法適合腦電信號(hào)的分析。
　　模式識(shí)別分類方法具有很多種，本文在充分考慮到信號(hào)樣本數(shù)和特征維