基于多模態(tài)腦電信號的腦機接口關鍵技術研究.pdf

1、AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterStudyonCriticalTechniquesoftheBrainComputerInterfaceBasedonMultimodalEEGInterce15ase0n—ByDaorenYuanSul：ProfPengLu叁iuDervlsor：ProtengControlTheoryandControlEngineer

2、ingSchoolofElectricalEngineeringMay2013摘要摘要腦機接I](BrainComputerInterface，BCI)旨在建立腦思維活動的意向與行為之間的關聯(lián)，實現(xiàn)直接的人機信息交互和控制，在腦認知和生物反饋訓練等有著廣闊的發(fā)展應用前景。EEG(Eleetroencephalogram)具有非線性、非平穩(wěn)性且易受外界干擾等特點，是綜合反映大腦組織電活動及大腦的功能狀態(tài)的載體，具有較高的時間分辨率和響應實

3、時性。腦思維具有高度復雜性，目前典型單模態(tài)BCI是基于單一類別EEG信號，只能在簡單思維活動層面識別不同類別任務，識別效率低、系統(tǒng)通用性差。旨在通過多種途徑分析思維任務的多模態(tài)BCI系統(tǒng)，基于多種形式EEG信號之間的互補性，通過融合和綜合利用多類型EEG信號，提供多類型多任務意識識別，并提高系統(tǒng)通用性和識別正確率，已經(jīng)成為BCI發(fā)展的趨勢。如何快速有效地從多模態(tài)EEG信號中識別表征意識任務的特征量，區(qū)分不同的意識任務，產(chǎn)生反映大腦意識的

4、控制命令，是基于多模態(tài)EEG信號的多模態(tài)BCI系統(tǒng)的核心問題，預處理、特征提取和分類識別算法是其中的關鍵技術。以實現(xiàn)左、右手和左、右腳的四分類意識指令識別的多模態(tài)BCI系統(tǒng)為目標；以穩(wěn)態(tài)視覺誘發(fā)(SteadyStateVisualEvokedPotential，SSVEP)和運動想象(MotorImagery，MI)的多模態(tài)EEG信號處理關鍵算法作為核心，以提高多模態(tài)BCI系統(tǒng)識別正確率和速度為切入點，構(gòu)建基于多模態(tài)EEG信號的BCI系

5、統(tǒng)框架，設計多模態(tài)BCI系統(tǒng)的實驗范式，采集多模態(tài)EEG信號，設計預處理、特征提取和分類識別等關鍵算法，實現(xiàn)四分類的BCI控制。實驗結(jié)果表明，系統(tǒng)具有高識別準確率和速度。主要研究結(jié)果包括：1)對比研究了典型基于EEG信號的BCI系統(tǒng)，針對單模態(tài)的EEG信號易受主觀影響，特征信息單一，傳輸速度受制約等問題，提出融合運動想象MI和視覺穩(wěn)態(tài)誘發(fā)SSVEP構(gòu)建多模態(tài)EEG信號，為實現(xiàn)BCI系統(tǒng)的左、右手和左、右腳的最佳分類控制提供了研究基礎；2