四類運動想象任務的腦電信號識別算法研究.pdf

1、腦-機接口（BCI）是在人腦和計算機或其他電子設備之間建立不依賴于常規(guī)大腦信息輸出通路的全新對外信息交流和控制技術。腦電信號蘊含了大腦活動的豐富信息，通過采集和分析腦電信號，提取運動想象誘發(fā)的腦電特征并進行正確識別，可以實現(xiàn)大腦對外部設備的有效控制。這對于大腦思維正常但喪失了肢體運動功能的人來說，提供了一種全新的與外界交流的手段。BCI技術在人工智能、康復工程以及軍事、航天等多個領域中有重要的潛在應用價值。
　　對BCI中的運動想

2、象腦電信號進行模式識別，國內(nèi)外已進行了較多研究，目前對左、右手運動想象腦電特征的分類已經(jīng)取得了較高的準確率，然而對于多任務運動想象的腦電信號識別還存在分類正確率低，算法較復雜，穩(wěn)定性差等問題，限制了其廣泛應用。
　　針對四任務運動想象腦電特征識別存在的問題，論文圍繞運動想象誘發(fā)腦電信號采集和預處理、特征提取以及模式識別等方面進行了研究，主要工作包括：
　?。?）腦電實驗數(shù)據(jù)的預處理和導聯(lián)選取。采用國際BCI競賽的運動想象實驗

3、范式，得到由64導聯(lián)腦電儀采集的BCI2005 data setsⅢa腦電數(shù)據(jù)并進行導聯(lián)選取，采用相干平均方法去除自發(fā)腦電，獲得四模式運動想象任務的誘發(fā)腦電信號。
　?。?）運動想象誘發(fā)腦電特征提取。采用小波變換，改進的共空間模式（CSP）以及小波-共空間模式三種方法，分別對運動想象誘發(fā)腦電信號進行特征提取，采用“一對多”共空間模式方法，構(gòu)建多個空間濾波器，對濾波信號進行共空間模式映射，得到每種想象運動模式下的投影信號。對該投影信

4、號能量求方差取對數(shù)，組成特征值向量，再進行差值處理獲得運動想象腦電特征，并利用特征優(yōu)化腦電導聯(lián)。結(jié)果表明小波-共空間模式特征提取方法獲得的四類運動想象腦電特征最顯著。
　　（3）運動想象腦電特征融合分類。利用徑向基核函數(shù)的支持向量機（SVM），采用網(wǎng)格尋優(yōu)方法優(yōu)化參數(shù)，對四任務運動想象腦電特征進行模式識別，基于加權方法對SVM和CSP的分類結(jié)果進行融合決策判斷。計算機仿真實驗結(jié)果顯示，對四模式的運動想象腦電分類平均正確率可達到90

5、.9％，Kappa系數(shù)為0.867，且算法執(zhí)行時間較短，是實現(xiàn)四任務運動想象腦電識別的有效方法。
　?。?）運動想象腦電非線性分類方法研究。由于腦電信號具有較強的非線性和非平穩(wěn)特性，采用概率神經(jīng)網(wǎng)絡對四任務運動想象腦電特征進行分類識別。計算機仿真結(jié)果顯示，四模式運動想象誘發(fā)腦電分類正確率最高可達到92.31%，該方法適用于多任務的運動想象腦電模式識別。
　　本文的研究成果可以應用于腦-機接口技術和智能假肢系統(tǒng)中，也可以為研究