不同視覺刺激方式下的左右手運動想象腦電信號模式識別研究.pdf

1、腦機接口技術(shù)(BCI)是一種全新的革命性的交互手段，它不需要實際動作僅憑特定模式的腦電信號就可以有效的與外界進行通信或控制外在事物，即所謂的“意念控制”，對其的研究具有重大意義。
　　在 BCI領(lǐng)域，目前常用的控制模式可分為刺激電位和任務(wù)想象兩類，刺激電位如 P300誘發(fā)電位、穩(wěn)態(tài)視覺誘發(fā)電位(SSVEP)等；任務(wù)想象如運動想象、意識任務(wù)等?；谶@些控制模式的BCI技術(shù)，國內(nèi)外學(xué)者做了諸多研究，也取得了不少成果。在視覺刺激下做運動

2、想象相對于單純的閉目運動想象而言，是一種不同的運動想象模式，往往具有更高的識別準(zhǔn)確率。本文嘗試在不同形式的任務(wù)相關(guān)視覺刺激下運動想象腦電信號的差異性方面做一些探索性研究。設(shè)計了閉目左右手運動想象、靜態(tài)抽象圖標(biāo)刺激下的左右手運動想象、靜態(tài)現(xiàn)實場景圖片刺激下的左右手運動想象以及動態(tài)現(xiàn)實場景視頻刺激下的左右手運動想象等四種實驗方案。并對上述四種實驗方案的左右手運動想象腦電信號的多種特征參數(shù)及模式識別率進行了對比分析，本文完成的研究工作主要包括

3、：
　　(1)以四種左右手運動想象實驗方案為基礎(chǔ)，閉目想象方案為參照組，通過分析四種實驗方案下處于運動感覺區(qū)的C3、C4通道腦電信號的相關(guān)特征參數(shù)及模式識別率的差異來探討不同視覺刺激形式對左右手運動想象腦電信號的影響。
　　(2)在腦電信號預(yù)處理方面，針對實際采集到的腦電信號是雜系混合(hybird mixture)信號的特點，提出一種基于小波包和DEBSS算法的腦電消噪方法。作為EASI算法的改進，DEBSS算法通過對信號

4、的評價函數(shù)直接進行估計解決了EASI算法不能有效分離雜系混合信號的缺陷，和常用的盲源分離算法相比，DEBSS算法性能也更加穩(wěn)定。實驗結(jié)果表明基于小波包和DEBSS算法的腦電消噪方法可以有效地實現(xiàn)腦電信號消噪。
　　(3)針對左右手運動想象時出現(xiàn)的ERD/ERS現(xiàn)象，提出了可以衡量ERD/ERS現(xiàn)象出現(xiàn)程度的特征值 PF，并利用單因素方差法分析了四種實驗方案左右手運動想象時PF值的差異性。結(jié)果表明：抽象圖標(biāo)和真實場景圖片刺激下的左右

5、手運動想象發(fā)生ERD/ERS現(xiàn)象的程度差異不大且略大于閉目形式，而在真實場景視頻刺激下，左右手運動想象時發(fā)生ERD/ERS現(xiàn)象的程度則要明顯大于閉目形式。
　　(4)本文使用 PF、節(jié)律能量和小波熵及AR模型系數(shù)等三種特征參數(shù)構(gòu)造了三類特征向量。分別選取這三類特征向量，并用 BP神經(jīng)網(wǎng)絡(luò)、SVM支持向量機和Mahalanobis距離分類算法對四種實驗方案的左右手運動想象腦電信號進行模式識別。結(jié)果表明：視頻刺激時，左右手運動想象的識