基于運(yùn)動(dòng)想象腦電信號(hào)的機(jī)器人控制研究.pdf

1、腦-機(jī)接口(Brain-Computer Interface,BCI)是一種新穎的交互方式,受到國內(nèi)外學(xué)者的廣泛關(guān)注和研究。腦-機(jī)接口不依賴外周神經(jīng)和肌肉進(jìn)行信息傳輸,是在人腦和外設(shè)之間建立的一種通訊系統(tǒng)。因而,可以通過腦電信號(hào)控制輔助裝置,為行動(dòng)不便的殘疾人提供服務(wù),為患有焦慮癥的人調(diào)節(jié)情緒,協(xié)助偏癱患者進(jìn)行康復(fù)訓(xùn)練,也可以為人們提供新的娛樂方式等。
　　本文以運(yùn)動(dòng)想象腦電信號(hào)為載體研究了腦電信號(hào)的預(yù)處理、特征提取和模式分類等問

2、題,并設(shè)計(jì)了利用腦電信號(hào)控制機(jī)器人運(yùn)動(dòng)的方法。本文做了以下工作:
　　(1)利用一種改進(jìn)了的小波閾值方法對腦電信號(hào)進(jìn)行消噪處理,該方法通過處理小波系數(shù)模的冪次和閾值的冪次來估計(jì)小波系數(shù),它不僅改善了傳統(tǒng)小波閾值處理方法的不足,而且保留了它們的優(yōu)勢。
　　(2)由于人在想象單側(cè)肢體動(dòng)作時(shí),運(yùn)動(dòng)想象腦電信號(hào)中的ERD/ERS現(xiàn)象在特定頻段較為顯著,可以獲得有效的表征運(yùn)動(dòng)想象任務(wù)的特征信息。針對這一特性,以及腦電信號(hào)的非線性特性,

3、提出了雙樹復(fù)小波樣本熵的特征提取方法,該方法通過雙樹復(fù)小波變換,把腦電信號(hào)進(jìn)行多層分解,抽取出對應(yīng)于運(yùn)動(dòng)想象腦電信號(hào)中ERD/ERS現(xiàn)象的節(jié)律波信號(hào),并用樣本熵方法提取該節(jié)律波的特征。
　　(3)在腦電信號(hào)模式分類中,針對隱馬爾科夫模型的獨(dú)立性假設(shè)與腦電信號(hào)間相關(guān)性的不一致問題,提出一種基于Choquet模糊積分隱馬爾科夫模型的腦電信號(hào)分類方法。該模型應(yīng)用模糊積分的單調(diào)性取代了概率測度的可加性,放寬了隱馬爾科夫模型的獨(dú)立性假設(shè),可

4、以有效提高隱馬爾科夫模型方法對運(yùn)動(dòng)想象腦電信號(hào)分類的性能。
　　(4)設(shè)計(jì)了一套運(yùn)動(dòng)想象腦電信號(hào)控制移動(dòng)機(jī)器人的BCI系統(tǒng)實(shí)驗(yàn)方案,用右腳踢球、左手撿球、左腳單腳跳左手扔球、右腳單腳向前跳后并右手撿球四種運(yùn)動(dòng)想象任務(wù)控制機(jī)器人的前進(jìn)、剎車、左轉(zhuǎn)、右轉(zhuǎn)四種基本運(yùn)動(dòng)。
　　(5)分別采用2008年BCI Competition IV Datasets1數(shù)據(jù)和實(shí)驗(yàn)采集的多類運(yùn)動(dòng)想象腦電信號(hào)數(shù)據(jù)進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明雙樹復(fù)小波樣本熵