混合腦機接口在康復(fù)機器人上的應(yīng)用.pdf

1、腦機接口（Brain-computer interface，BCI）通過借助計算機或其他外部電子設(shè)備，旨在建立一種不依賴人體神經(jīng)和肌肉組織等正常傳輸通道，而直接進行人腦與外界之間信息交流的新途徑。在助殘康復(fù)、智能生活、娛樂等領(lǐng)域有著廣泛的應(yīng)用前景。本文從實現(xiàn)對康復(fù)訓(xùn)練機器人的控制來進行康復(fù)訓(xùn)練出發(fā)，以運動想象和P300腦電信號為切入點，并結(jié)合他們各自的優(yōu)勢構(gòu)建混合BCI系統(tǒng)。
　　本研究主要內(nèi)容包括：⑴經(jīng)典的共同空間模式（CSP）

2、用于兩類運動想象的特征提取，通過對CSP進行擴展將其用于多類問題上。本文首先對多類CSP方法一對多CSP（One versus rest CSP，OVR-CSP）進行了研究。由于 OVR-CSP濾波器的性能依賴于其選擇的頻帶，當在不合適的頻率段進行濾波的特征上執(zhí)行分類時，其分類精度一般很差。在此基礎(chǔ)上進一步的研究了對頻帶進行固定劃分的Filter bank共同空間模式方法，通過頻帶的劃分雖然能夠進一步提高分類正確率，但卻還是遠低于兩類問

3、題。⑵針對常用多類CSP算法在BCI信號處理方面存在識別率較低的問題，通過引入堆疊降噪自動編碼器（Stacked denoising autoencoders，SDA），提出了一種多類變頻帶運動想象腦電信號的兩級特征提取方法。首先將原始信號通過變化頻率段帶通濾波器得到不同頻段的信號，其次利用OVR-CSP將不同頻段信號變換到使信號方差區(qū)別最大的低維空間，然后通過SDA網(wǎng)絡(luò)提取其中可以更好表達類別屬性的高層抽象特征，接著將獲得的特征使用R

4、eliefF方法進行特征選擇，選擇出最大權(quán)值所對應(yīng)頻帶的特征，最后使用Softmax分類器進行分類。在對BCI競賽IV中Datasets2a的4類運動想象任務(wù)進行的分類實驗中，平均Kappa系數(shù)達到0.70，表明了所提出的特征提取方法的有效性和魯棒性。⑶通過對現(xiàn)有 P300范式的研究，提出了一種基于變概率的刺激范式(VPP)。在該范式中，字符呈現(xiàn)不均勻分布，其密度從中間向兩邊依次減小。字符識別分為兩步進行，先進行隨機行閃爍確定字符所在行

5、，然后所選行中的字符再進行隨機閃爍以確定目標字符。使用該范式和基于區(qū)域的范式進行數(shù)據(jù)采集及處理，結(jié)果表明 VPP的信息傳輸率比基于區(qū)域的范式提高約10％，證明了該范式的可行性。⑷為了實現(xiàn)對康復(fù)機器人的多維控制，本文設(shè)計了一種基于運動想象（MI）和P300信號的混合BCI控制策略。使用P300信號作為兩種信號間切換的“開關(guān)”，選擇以游戲圖標組成的 VP P作為游戲菜單的控制面板，MI作為機器人的控制信號來實現(xiàn)患者康復(fù)訓(xùn)練。通過離線數(shù)據(jù)采集