虛擬場(chǎng)景下運(yùn)動(dòng)想象腦電信號(hào)識(shí)別研究.pdf

1、腦電信號(hào)(Electroencephalogram,EEG)是中顱內(nèi)神經(jīng)突觸和樹(shù)突傳遞神經(jīng)電位信號(hào)而衍射到大腦頭皮的募集信號(hào),人在主動(dòng)思維或受到不同的感覺(jué)刺激時(shí),EEG會(huì)出現(xiàn)差異性變化。基于EEG的腦-機(jī)接口(Brain Computer Interface,BCI)系統(tǒng)通常就是使用這類(lèi)差異性的腦電信號(hào)來(lái)控制外部設(shè)備或?qū)崿F(xiàn)大腦與外界的直接通信。目前,基于多類(lèi)運(yùn)動(dòng)想象的腦電信號(hào)的識(shí)別研究主要集中在離線分析,可識(shí)別維度已達(dá)到4類(lèi)。但在線BC

2、I研究方面,主要還只集中在兩個(gè)維度的控制(左、右轉(zhuǎn);或動(dòng)作、停止等),多維度的控制還存在著:實(shí)時(shí)性差、識(shí)別正確率低以及采集到的EEG信號(hào)受噪聲干擾大等難點(diǎn)。
　　本文根據(jù)現(xiàn)階段BCI技術(shù)中存在的問(wèn)題并結(jié)合課題的要求,設(shè)計(jì)并構(gòu)建了一個(gè)在線的基于多類(lèi)運(yùn)動(dòng)想象腦電信號(hào)控制的腦-機(jī)接口_虛擬現(xiàn)實(shí)漫游系統(tǒng),系統(tǒng)包括EEG信號(hào)采集、消噪預(yù)處理、特征提取以及基于三導(dǎo)EEG的想象腳、左手、右手運(yùn)動(dòng)的三類(lèi)運(yùn)動(dòng)想象的模式識(shí)別和基于一導(dǎo)EEG的閉眼動(dòng)作

3、檢測(cè),并且使用運(yùn)動(dòng)想象腦電波實(shí)現(xiàn)了在虛擬現(xiàn)實(shí)系統(tǒng)中的漫游。在論文寫(xiě)作階段做的具體工作及主要?jiǎng)?chuàng)新點(diǎn)包括:
　　(1)為剔除混疊在腦電信號(hào)中的干擾噪聲,提出了一種基于雙密度小波鄰域相關(guān)閾值處理的EEG消噪方法。利用雙密度小波對(duì)EEG進(jìn)行分解,得到多層的信號(hào)高頻系數(shù);根據(jù)小波系數(shù)的局部統(tǒng)計(jì)依賴(lài)性,運(yùn)用鄰域相關(guān)閾值處理算法進(jìn)行收縮,將收縮后的小波系數(shù)進(jìn)行重構(gòu)得到消噪后的信號(hào)。對(duì)加噪聲標(biāo)準(zhǔn)信號(hào)消噪實(shí)驗(yàn)的結(jié)果表明,具有近似平移不變性的雙密度小

4、波變換方法的消噪效果要明顯優(yōu)于一代離散小波變換,在強(qiáng)噪聲環(huán)境下效果更為明顯;此外,由于鄰域相關(guān)閾值處理算法利用了小波系數(shù)的局部依賴(lài)性,對(duì)突變大的系數(shù)進(jìn)行了平滑處理,消噪后的信號(hào)的毛刺明顯減小。實(shí)測(cè)EEG消噪實(shí)驗(yàn)的結(jié)果圖表明,該算法可以將EEG中的突變干擾信號(hào)平滑掉;頻譜分析結(jié)果也表明,本文算法有效地抑制了高頻噪聲,而在主要頻率范圍內(nèi)對(duì)應(yīng)的功率譜與原始EEG的功率譜基本一致,保留了EEG中的大部分有用的細(xì)節(jié)信息,為后續(xù)EEG的特征提取和模

5、式識(shí)別奠定了良好的基礎(chǔ)。
　　(2)提出了一種基于歸一化 AR模型功率譜估計(jì)的運(yùn)動(dòng)想象腦電信號(hào)特征提取方法。對(duì)C3、Cz、C4通道的腦電信號(hào)進(jìn)行AR模型功率譜估計(jì),將肢體運(yùn)動(dòng)相關(guān)的Mu節(jié)律(8～12Hz)和Beta節(jié)律(20～24Hz)的AR模型功率譜估計(jì)值歸一化作為特征值。仿真結(jié)果表明,歸一化后的AR模型譜估計(jì)的一致性明顯改善,增強(qiáng)了特征值的泛化能力。此外,根據(jù)Mu節(jié)律波與肢體運(yùn)動(dòng)有著密切關(guān)系以及其具有非線性特性,提出了一種基于

6、Mu節(jié)律波能量熵的運(yùn)動(dòng)想象腦電信號(hào)特征提取算法。為了選取兼具實(shí)時(shí)性和識(shí)別正確率高的算法,對(duì)實(shí)測(cè)運(yùn)動(dòng)想象腦電數(shù)據(jù)進(jìn)行了分析,并使用Mahalanobis距離分類(lèi)器和支持向量機(jī)對(duì)兩種特征提取方法進(jìn)行了對(duì)比分析。其中,采用基于歸一化AR模型功率譜估計(jì)方法對(duì)腦電進(jìn)行特征提取,然后采用支持向量進(jìn)行分類(lèi),三類(lèi)運(yùn)動(dòng)想象最高平均識(shí)別正確率為80.83％。
　　(3)構(gòu)建了一個(gè)在線的基于運(yùn)動(dòng)想象腦電信號(hào)控制的腦-機(jī)接口_虛擬現(xiàn)實(shí)漫游系統(tǒng),并根據(jù)在線