基于腦網(wǎng)絡技術的異步BCI系統(tǒng)設計與實現(xiàn).pdf

1、腦—機接口（Brain-computer interface，BCI）是一種不依賴周圍神經(jīng)和肌肉組織，完全自主的實現(xiàn)人腦對外部環(huán)境直接控制的系統(tǒng)。BCI涉及多學科交叉技術，在醫(yī)療康復、運動輔助、人機交互等領域有廣闊前景。
　　無創(chuàng)腦電圖（Electroencephalogram，EEG）以其簡便、高時間分辨率的優(yōu)點成為目前BCI系統(tǒng)中使用最廣泛應用的技術之一。然而研究發(fā)現(xiàn)，約有15％到30%的用戶存在“BCI盲”問題，即該類用戶難

2、以誘發(fā)出較強的（Event-Related Desynchronization）ERD/（Event-Related Synchronization）ERS等特征信號，無法測量到相關節(jié)律信號。此外，不同被試的特征信號存在差異性。這些問題導致基于EEG的BCI系統(tǒng)需要對被試進行嚴格篩選且大量前期訓練。
　　然而，EEG的時間序列能夠反映腦區(qū)之間的協(xié)同關系?；诖?，可將EEG時間序列轉換成一個網(wǎng)絡，該網(wǎng)絡的測度與意識有關聯(lián)。這種將EE

3、G時間序列轉換成網(wǎng)絡的思路，為解決BCI系統(tǒng)存在的問題提供了一種新途徑。
　　以腦網(wǎng)絡技術為切入點，以設計與實現(xiàn)異步 BCI系統(tǒng)為目標，重點解決基于腦網(wǎng)絡技術的BCI系統(tǒng)實現(xiàn)過程中的問題。本文的主要研究工作包括：
　　（1）針對如何建立腦網(wǎng)絡模型的問題，首先通過定位激活腦區(qū)確定了FC1等18個關鍵通道作為腦網(wǎng)絡節(jié)點；其次從幅值和相位角度分別采用相干系數(shù)（COH）和相位鎖相（PLV）量化節(jié)點之間的關系，構建加權網(wǎng)絡和二值網(wǎng)絡。

4、
　?。?）圍繞異步 BCI中工作態(tài)和空閑態(tài)判別這一核心問題，通過肌電信號（EMG）確定運動起始時刻，提取運動執(zhí)行前500ms到1200ms時間段的運動準備電位（BP）作為工作態(tài)，以此代替運動執(zhí)行中的EEG，判別被試工作態(tài)和空閑態(tài)，減少基于腦網(wǎng)絡技術的BCI響應延遲。
　?。?）針對異步BCI實現(xiàn)中的關鍵問題，設計了面向腦網(wǎng)絡技術的實驗范式、解決了信號預處理問題、提取腦網(wǎng)絡測度作為特征，采用線性 Fisher和非線性SVM分

5、類器對特征進行分類識別。對多被試的十折交叉驗證顯示：兩種分類器下基于COH加權網(wǎng)絡分類正確率分別達到61.70%和67.70%，二值網(wǎng)絡分類正確率分別達到69.48%和69.75%；基于PLV加權網(wǎng)絡分類正確率分別達到64.78%和69.47%，二值網(wǎng)絡分類正確率分別達到72.28%和76.72%。
　?。?）基于上述核心算法，優(yōu)選 PLV二值腦網(wǎng)絡的聚類系數(shù)為特征，SVM為主要分類器，實現(xiàn)了在線預處理、特征提取和分類識別算法。異