基于腦電的想象運動分類算法研究.pdf

1、各種腦部、神經(jīng)系統(tǒng)疾患的增多，使腦科學成為21世紀具有挑戰(zhàn)性的研究。許多有神經(jīng)-肌肉障礙疾病的患者無法向外界傳遞信息，他們基本的活動能力以及與外界正常交流的能力都被剝奪了，他們所要表達的信息可能被完全阻隔在體內(nèi)。因此對腦科學研究的需求就越來越迫切，人們渴望能夠通過對腦科學及相關(guān)領(lǐng)域的研究來克服人類自身的缺陷和不足。最近幾年，隨著電子技術(shù)、計算機技術(shù)的飛速發(fā)展，腦電信號處理的基礎已經(jīng)逐漸成熟起來，腦-機接口(BCI)的研究開始成為一個熱點

2、問題。 在BCI的研究中，基于腦電信號的BCI系統(tǒng)因為簡單、安全、無創(chuàng)而倍受關(guān)注。本文研究的就是基于想象運動期間腦電信號的BCI系統(tǒng)，目的是利用人的自發(fā)腦電，識別特定的意識任務，形成控制命令，從而實現(xiàn)人腦與計算機間的信息交換，希望為有嚴重行為障礙的殘疾人提供幫助。這種基于自發(fā)腦電的BCI系統(tǒng)，系統(tǒng)簡單，不需要外部刺激裝置，訓練過程短，適應范圍廣，有很好的應用前景。但從頭皮上獲得的自發(fā)腦電信號十分微弱，而且信號的信噪比很低，因此有

3、效的腦電信號處理方法是BCI研究的一項關(guān)鍵技術(shù)。在總結(jié)前人工作的基礎上，本文對腦電信號采集、處理進行了以下幾個方面的研究。 1)系統(tǒng)信號采集模塊設計 建立信號采集模塊，采集腦電信號。在實驗室已有的腦電采集設備及軟件基礎上，針對自己的課題研究，設計相應的大腦意識任務實驗。按照實驗要求，使用VC++6.0編寫出相應的腦電信號采集軟件。 2)腦電信號預處理 由于腦電信號本身極其微弱，非常容易受到各種干擾與噪聲的

4、影響，因此對腦電信號的去噪處理是必要的。本文分別采用了小波變換、數(shù)字濾波等方法對實驗中采集的腦電信號進行處理，去除其中的心電、眼電、肌電等干擾信號，提取有效信息，取得了較好的效果。 3)腦電信號特征提取 有效地提取大腦思維活動時的特征信息是BCI研究的關(guān)鍵技術(shù)之一，是正確識別不同意識模式的基礎。本論文將自適應自回歸模型(AAR)系數(shù)與事件相關(guān)去同步(ERD)相結(jié)合提取腦電信號的一個特征，而將基于小波變換和shannon熵

5、概念的小波熵作為另一個特征，從而實現(xiàn)對想象左右手運動意識任務的腦電特征的提取。 4)意識任務分類器設計 分類器的設計是BCI系統(tǒng)中的另一十分重要的環(huán)節(jié)，分類器的性能將直接影響B(tài)CI系統(tǒng)的性能。本文采用了Fisher線性判別、人工神經(jīng)網(wǎng)絡和支持向量機(SVM)幾種分類方法。其中，支持向量機以統(tǒng)計學習理論為基礎，它不僅要求最優(yōu)分類面將兩類樣本無錯誤地分開，而且要使類間間隔最大，從而保證真實風險最小，能夠較好地解決了小樣本的分

6、類問題。經(jīng)過實驗的分類比較，最終分類結(jié)果表明：支持向量機的分類正確率是最高的，能夠很好的識別出想象左右手運動兩種意識任務，得到理想的分類效果。 采用本課題采集的數(shù)據(jù)，對于所提取的腦電特征，支持向量機分類的正確識別率可達83.3％，應用同樣的算法對2003年國際BCI競賽中的左右手想象運動數(shù)據(jù)進行識別時，正確率可達87.9％。這說明應用AAR模型系數(shù)的ERD/ERS、小波熵和支持向量機能夠作為現(xiàn)在BCI系統(tǒng)設計中一種可行分類算法。