基于運動想象腦電的腦--機接口技術(shù)的研究.pdf

1、腦電信號（Electroencephalogram，EEG）是大腦的神經(jīng)細胞電生理活動在大腦皮層的總體反映。由于EEG與人類的意識狀態(tài)有關(guān)系，通過對EEG的模式識別，可以識別不同類別的意識活動，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-機接口(Brain Computer Interface，BCI)，它的實質(zhì)是通過EEG推斷人的想法或目的，從而實現(xiàn)人機交流。運動腦電指的是通過想象肢體運動和肢體運動同步發(fā)生時所產(chǎn)生的

2、腦電信號。運動想象時產(chǎn)生的腦電信號具有事件相關(guān)同步和去同步的特征，通過分析這種腦電信號，可以判斷被試者的運動意圖，從而實現(xiàn)對外部設(shè)備的控制，因此運動腦電信號是BCI系統(tǒng)研究多使用廣的一種特征信號。
　　本文主要從運動想象腦電信號的特征提取和分類算法的研究入手，了解了目前的特征提取和分類的算法研究現(xiàn)狀，重點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。分類器的選擇也是至關(guān)重要的，我們分析比較了目前分類器的優(yōu)缺點，選擇了概率神經(jīng)網(wǎng)絡(luò)(Probabilistic neural network，PNN)分類器作為我們的分類器來實現(xiàn)最終的信號分類，然后我們將滿足運動信息的腦電信號時頻特征作為特征輸入到PNN分類器中進行分類。利用上述特征提取和分類算法對2003年BCI國際競賽的Graz運動想象腦電數(shù)據(jù)進行了分析處理，初步驗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