基于左右手運(yùn)動(dòng)想象的分類算法與腦-機(jī)接口研究.pdf

1、腦-機(jī)接口(Brain-Computer Interface，BCI)將人的思維解讀為一系列的外部控制命令，使人們可以不依賴神經(jīng)肌肉通路而達(dá)到與外界交流的目的。腦-機(jī)接口的研究在康復(fù)工程領(lǐng)域以及理論價(jià)值方面都具有重要的意義。盡管腦-機(jī)接口的研究已經(jīng)有很多成果，然而B(niǎo)CI系統(tǒng)在實(shí)際的應(yīng)用中仍有很多的問(wèn)題待解決，比如系統(tǒng)的速度和精度以及在線連續(xù)識(shí)別等問(wèn)題。因此，研究具有高效率的算法以及開(kāi)發(fā)實(shí)用性的在線腦-機(jī)接口系統(tǒng)具有十分重要的意義。

2、>　　 本文根據(jù)左右手運(yùn)動(dòng)想象中腦電信號(hào)的μ節(jié)律的特性，對(duì)其特征提取和模式識(shí)別算法進(jìn)行深入的研究，且對(duì)部分算法做出一定的改進(jìn)，提高了算法的分類精度，并最終建立具有實(shí)時(shí)在線識(shí)別功能的腦-機(jī)接口系統(tǒng)。具體工作如下：
　　 (1)自主設(shè)計(jì)左右手運(yùn)動(dòng)想象的腦電信號(hào)采集實(shí)驗(yàn)，主要有2名受試者參與了該實(shí)驗(yàn)，采集到的數(shù)據(jù)用于后續(xù)的離線特征提取與模式識(shí)別算法分析。
　　 (2)所使用的特征提取算法能是否能很好地反映腦電信號(hào)的特點(diǎn)，將極

3、大地影響最終分類的精度。本文研究了基于峭度極大的動(dòng)態(tài)ICA、AR模型、共同空間模式以及二階矩能量等特征提取算法，對(duì)采集到的運(yùn)動(dòng)想象腦電信號(hào)的分類取得了較好的效果。
　　 (3)模式識(shí)別方面，使用遺傳算法對(duì)一些神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值以及對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化，提高了分類精度。另外，采用基于后驗(yàn)概率的支持向量機(jī)方法，選擇一部分具有較大后驗(yàn)概率值的樣本添加到訓(xùn)練集中，對(duì)訓(xùn)練集進(jìn)行一定的擴(kuò)充，從而改善對(duì)測(cè)試樣本識(shí)別的精度。
　　

4、 (4)運(yùn)用Visualc++編程語(yǔ)言，對(duì)SCAN軟件客戶端軟件進(jìn)行開(kāi)發(fā)，實(shí)現(xiàn)了一個(gè)能夠在線識(shí)別左右手運(yùn)動(dòng)想象系統(tǒng)。系統(tǒng)分別采用二階矩能量和基于峭度極大的動(dòng)態(tài)ICA算法進(jìn)行特征提取?；谇投葮O大的動(dòng)態(tài)ICA算法產(chǎn)生的混合矩陣系數(shù)的時(shí)間波形能及時(shí)準(zhǔn)確地反映μ節(jié)律能量變化。兩者判定識(shí)別結(jié)果的方式都是通過(guò)比較能夠反映運(yùn)動(dòng)想象腦電信號(hào)的μ節(jié)律特性的特征能量的大小，其在線識(shí)別率分別能達(dá)到87％和97％。使用二階矩能量特征，運(yùn)算量小，算法簡(jiǎn)單易實(shí)