基于運(yùn)動(dòng)想象腦電的腦--機(jī)接口技術(shù)的研究.pdf

1、腦電信號(hào)（Electroencephalogram，EEG）是大腦的神經(jīng)細(xì)胞電生理活動(dòng)在大腦皮層的總體反映。由于EEG與人類(lèi)的意識(shí)狀態(tài)有關(guān)系，通過(guò)對(duì)EEG的模式識(shí)別，可以識(shí)別不同類(lèi)別的意識(shí)活動(dòng)，從而形成一種大腦與外部設(shè)備建立的直接通信連接，即我們所謂的腦-機(jī)接口(Brain Computer Interface，BCI)，它的實(shí)質(zhì)是通過(guò)EEG推斷人的想法或目的，從而實(shí)現(xiàn)人機(jī)交流。運(yùn)動(dòng)腦電指的是通過(guò)想象肢體運(yùn)動(dòng)和肢體運(yùn)動(dòng)同步發(fā)生時(shí)所產(chǎn)生的

2、腦電信號(hào)。運(yùn)動(dòng)想象時(shí)產(chǎn)生的腦電信號(hào)具有事件相關(guān)同步和去同步的特征，通過(guò)分析這種腦電信號(hào)，可以判斷被試者的運(yùn)動(dòng)意圖，從而實(shí)現(xiàn)對(duì)外部設(shè)備的控制，因此運(yùn)動(dòng)腦電信號(hào)是BCI系統(tǒng)研究多使用廣的一種特征信號(hào)。
　　本文主要從運(yùn)動(dòng)想象腦電信號(hào)的特征提取和分類(lèi)算法的研究入手，了解了目前的特征提取和分類(lèi)的算法研究現(xiàn)狀，重點(diǎn)研究了小波分析的特征提取算法。提出了基于小波變換子帶系數(shù)和系數(shù)均值特征提取、基于小波包變換的子帶系數(shù)均值和子帶能量的組合特征提取

3、算法。分類(lèi)器的選擇也是至關(guān)重要的，我們分析比較了目前分類(lèi)器的優(yōu)缺點(diǎn)，選擇了概率神經(jīng)網(wǎng)絡(luò)(Probabilistic neural network，PNN)分類(lèi)器作為我們的分類(lèi)器來(lái)實(shí)現(xiàn)最終的信號(hào)分類(lèi)，然后我們將滿足運(yùn)動(dòng)信息的腦電信號(hào)時(shí)頻特征作為特征輸入到PNN分類(lèi)器中進(jìn)行分類(lèi)。利用上述特征提取和分類(lèi)算法對(duì)2003年BCI國(guó)際競(jìng)賽的Graz運(yùn)動(dòng)想象腦電數(shù)據(jù)進(jìn)行了分析處理，初步驗(yàn)證了我們所提出的算法的有效性。然后依據(jù)我們現(xiàn)有的Emotiv E