基于運(yùn)動(dòng)想象的腦機(jī)接口的研究.pdf

1、腦機(jī)接口(Brain-Computer Interface，BCI)是基于腦電信號(hào)，而不依賴于腦的正常輸出通路(即外周神經(jīng)和肌肉)的，實(shí)現(xiàn)人腦與計(jì)算機(jī)或其它電子設(shè)備通訊和控制的技術(shù)。BCI可以為那些大腦正常，而中樞神經(jīng)系統(tǒng)受到嚴(yán)重?fù)p傷的閉鎖病人提供一種與外界交流和控制的途徑，在康復(fù)領(lǐng)域具有重大應(yīng)用價(jià)值。 本文在充分了解國(guó)內(nèi)外相關(guān)研究的基礎(chǔ)上，以運(yùn)動(dòng)想象作為切入點(diǎn)，系統(tǒng)地研究了基于左右手運(yùn)動(dòng)想象的腦機(jī)接口從離線分析到在線應(yīng)用的各個(gè)

2、層面的問題，取得了卓有成效的成果。 針對(duì)受試者在運(yùn)動(dòng)想象時(shí)的個(gè)體差異所造成的特征提取的盲目性，分類正確率難以進(jìn)一步提高的缺點(diǎn)，本文提出了“基于時(shí)頻分析的左右手運(yùn)動(dòng)想象頻帶能量特征差腦地形圖法”，“基于樣本熵的左右手運(yùn)動(dòng)想象復(fù)雜度特征差腦地形圖法”，和“基于高階累積量的左右手運(yùn)動(dòng)想象特征差腦地形圖法”三種方法，成功解決了左右手運(yùn)動(dòng)想象BCI的個(gè)性化設(shè)計(jì)難題，實(shí)現(xiàn)了用最少的導(dǎo)聯(lián)，最少的特征向量，最簡(jiǎn)單的特征提取和分類算法，取得較好的

3、分類效果。 全面論證了頻帶能量，樣本熵，4階累積量作為左右手運(yùn)動(dòng)想象分類特征的可行性，并針對(duì)這三種特征研究了各自的特征提取快速算法和最佳參數(shù)選擇問題。探討了五種分類器在左右手運(yùn)動(dòng)想象BCI中的應(yīng)用，研究了其分類原理與設(shè)計(jì)方法，全面比較了各種分類器的優(yōu)缺點(diǎn)和適用范圍，為實(shí)時(shí)BCI系統(tǒng)分類器的選擇以及個(gè)性化BCI最佳特征的選擇提供理論和實(shí)驗(yàn)依據(jù)。 為了進(jìn)一步改善BCI系統(tǒng)性能，本文對(duì)運(yùn)動(dòng)想象思維策略的選擇,EEG采集方式，訓(xùn)

4、練數(shù)據(jù)選擇等方面進(jìn)行了深入探討。實(shí)驗(yàn)結(jié)果表明：復(fù)雜度高的左右手運(yùn)動(dòng)想象策略對(duì)于BCI系統(tǒng)整體分類正確率的提高有所幫助；三同心圓環(huán)拉普拉斯電極具有良好的空間分辨率和空間定位性能，比傳統(tǒng)EEG測(cè)量吏能有效檢測(cè)運(yùn)動(dòng)想象時(shí)的大腦區(qū)域化特征，而且操作簡(jiǎn)單，適合在線BCI系統(tǒng)的應(yīng)用；“基于決策融合的訓(xùn)練數(shù)據(jù)選擇算法”，可以排除原樣本中由于受試者主觀因素導(dǎo)致的“不利樣本”，有效改善分類器的性能，提高BCI分類正確率。 自行研制了基于左右手運(yùn)動(dòng)