基于BCI多動(dòng)作模式的ERD-ERS信號(hào)分析及識(shí)別方法的研究.pdf

1、腦-機(jī)接口(Brain-Computer Interface,BCI)是在人腦和計(jì)算機(jī)或其它電子設(shè)備之間建立的一種直接信息交流和控制通道。由于其在康復(fù)工程、腦科學(xué)研究、人工智能等領(lǐng)域的重要應(yīng)用價(jià)值,腦-機(jī)接口正成為研究熱點(diǎn)之一。
　　 本文的研究對(duì)象是想象動(dòng)作過程中產(chǎn)生的事件相關(guān)去同步(Event RelatedDesynchronization,ERD)/事件相關(guān)同步(Event Related Synchronization

2、,ERS)。目前所見到的文獻(xiàn)中對(duì)左右手產(chǎn)生的ERD/ERS信號(hào)討論較多,對(duì)于其特征頻段以及對(duì)應(yīng)的大腦皮層活動(dòng)區(qū)域已有較為可信的研究成果,但卻很少見到關(guān)于腳和舌部動(dòng)作產(chǎn)生的ERD/ERS信號(hào)的報(bào)道,對(duì)于這兩種動(dòng)作的特征頻段和對(duì)應(yīng)的腦部活動(dòng)區(qū)還沒有得到一個(gè)有說服力的結(jié)果。
　　 本課題的主要工作就是對(duì)左手、右手、腳、舌頭四種想象動(dòng)作誘發(fā)的ERD/ERS信號(hào)的分析和分類提取,得到關(guān)于四種動(dòng)作模式ERD/ERS信號(hào)的特征(重點(diǎn)是腳和舌部

3、動(dòng)作),并利用這些特征尋求有效的動(dòng)作模式分類識(shí)別算法。課題所采用的數(shù)據(jù)來源于BCI competition2005 dataⅢa,是由奧地利Graz工業(yè)大學(xué)BCI實(shí)驗(yàn)室采集的,有很好的可靠性。我們用多種方法包括時(shí)頻圖譜法(Time-Frequency Spectrogram,TFS)、功率譜密度(Power Spectral Density,PSD)曲線法、ERD/ERS系數(shù)法和腦地形圖法、功率譜熵(Power Spectral Ent

4、ropy,PSE)分析法、小波熵(wavelet Entropy,WE)分析以及基于獨(dú)立分量分析(ICA)的頻域以及基于獨(dú)立分量分析(Independent Component Analysis,ICA)的頻域-空間濾波方法對(duì)四種動(dòng)作模式的實(shí)驗(yàn)信號(hào)進(jìn)行了細(xì)致的分析。不僅印證了文獻(xiàn)中關(guān)于左右手動(dòng)作的結(jié)論,還使我們對(duì)腳和舌頭動(dòng)作的ERD/ERS特征信息有了較清晰的認(rèn)識(shí),包括ERD/ERS明顯的特征頻段,與其它動(dòng)作區(qū)分度好的導(dǎo)聯(lián)一頻率,以及對(duì)

5、應(yīng)的腦部活動(dòng)區(qū)。在此基礎(chǔ)上,我們用多種方法對(duì)實(shí)驗(yàn)信號(hào)進(jìn)行了特征提取和分類,結(jié)果證明基于ICA的信號(hào)提取算法和基于支持向量機(jī)(SupportVector Machine,SVM)的分類方法的結(jié)合是識(shí)別想象動(dòng)作電位思維模式非常有效的手段。這種算法取得了較高的分類正確率(最高的組為91.4％,最低的組為77.6％),后經(jīng)改進(jìn)在保持較高分類正確率的前提下大大縮短了計(jì)算所需的時(shí)間(降低到原來的15％～20％),為最終實(shí)現(xiàn)基于想象動(dòng)作電位的實(shí)時(shí)BC