基于多類意識任務(wù)識別的電動輪椅腦電控制方法研究.pdf

1、腦電（Electroencephalogram，EEG）是一種腦神經(jīng)細(xì)胞的生物電活動，反映了大腦的功能狀態(tài)，有效提取腦電信號中蘊(yùn)含的信息，對于臨床醫(yī)學(xué)、康復(fù)工程、腦機(jī)接口等諸多領(lǐng)域的研究有著重要的意義。要使腦電信號控制的康復(fù)輔助裝置能夠按照使用者意愿智能化地服務(wù)于患者，如何有效提高不同場景下運(yùn)動想象的識別率是其中的瓶頸和難點(diǎn)之一，并且已成為康復(fù)工程領(lǐng)域中具有挑戰(zhàn)性的科學(xué)問題。
　　本文在國家自然科學(xué)基金項(xiàng)目（61172134）的支

2、持下，從課題研究的背景及意義出發(fā)，結(jié)合腦電信號的特點(diǎn)，研究分析了運(yùn)動想象狀態(tài)下腦電信號的采集與預(yù)處理、特征提取及模式分類等過程，探討了基于多類意識任務(wù)識別的電動輪椅腦電控制方法。本文主要完成了以下研究工作，并取得了部分創(chuàng)新成果：
　?。?）在腦電信號預(yù)處理階段：提出了一種基于最小相依成分分析的互信息（Mutual Information based on Least dependent Component Analysis，MIL

3、CA）算法的腦電信號偽跡消除方法。針對腦電信號中眼電和心電串?dāng)_偽跡，首先用提升小波硬閾值法對多路原始腦電信號去噪，再運(yùn)用MILCA算法對各通道信號進(jìn)行盲源分離，同時(shí)采用信號間互相關(guān)系數(shù)和互信息量作為指標(biāo)對偽跡分離的效果進(jìn)行評價(jià)。實(shí)驗(yàn)對比分析表明，運(yùn)用MILCA算法能較好地去除腦電信號中的眼電及心電偽跡，為后續(xù)的特征提取創(chuàng)造了良好的條件。
　?。?）在腦電信號特征提取階段：針對離散小波變換處理信號時(shí)存在的頻譜混疊現(xiàn)象和平移不變性差的

4、問題，探討了實(shí)虛二元樹濾波器形式雙樹復(fù)小波變換的原理以及特點(diǎn)，在此基礎(chǔ)上提出了基于雙樹復(fù)小波變換能譜熵的腦電信號特征提取方法。此外，還研究了通過改變單一變量階次p來自動調(diào)節(jié)時(shí)頻局部特性的離散分?jǐn)?shù)階傅里葉變換，結(jié)合K近鄰互信息估計(jì)與熵理論，提出了基于離散分?jǐn)?shù)階傅里葉變換互信息熵的腦電信號特征提取方法。
　?。?）在腦電信號模式分類階段：提出了基于粒子群算法優(yōu)化支持向量機(jī)的腦電信號模式分類方法，解決了與分類性能相關(guān)的最優(yōu)參數(shù)（懲罰因子

5、C、核函數(shù)中的參數(shù)變量g）選取問題，與傳統(tǒng)網(wǎng)格劃分搜索最優(yōu)參數(shù)的方式相比，算法效率明顯提高。
　　（4）研究了離線狀態(tài)下腦電控制電動輪椅的穩(wěn)健方法，給出了基于腦電信號控制電動輪椅實(shí)驗(yàn)平臺的總體方案，以及基于單片機(jī)的電動輪椅控制器改造等，設(shè)計(jì)了腦電信號采集的實(shí)驗(yàn)方案，對應(yīng)輪椅前進(jìn)、停止、左轉(zhuǎn)和右轉(zhuǎn)四種控制方式，研究了右腳踩油門、左手握輪椅控制桿向后移、左腳單腳跳并雙手推輪椅向左移和右手握輪椅控制桿向上移四種動作作為運(yùn)動想象的模式。實(shí)