基于運動想象的腦機接口的研究.pdf

1、腦機接口(Brain-Computer Interface，BCI)是基于腦電信號，而不依賴于腦的正常輸出通路(即外周神經(jīng)和肌肉)的，實現(xiàn)人腦與計算機或其它電子設(shè)備通訊和控制的技術(shù)。BCI可以為那些大腦正常，而中樞神經(jīng)系統(tǒng)受到嚴重損傷的閉鎖病人提供一種與外界交流和控制的途徑，在康復領(lǐng)域具有重大應用價值。 本文在充分了解國內(nèi)外相關(guān)研究的基礎(chǔ)上，以運動想象作為切入點，系統(tǒng)地研究了基于左右手運動想象的腦機接口從離線分析到在線應用的各個

2、層面的問題，取得了卓有成效的成果。 針對受試者在運動想象時的個體差異所造成的特征提取的盲目性，分類正確率難以進一步提高的缺點，本文提出了“基于時頻分析的左右手運動想象頻帶能量特征差腦地形圖法”，“基于樣本熵的左右手運動想象復雜度特征差腦地形圖法”，和“基于高階累積量的左右手運動想象特征差腦地形圖法”三種方法，成功解決了左右手運動想象BCI的個性化設(shè)計難題，實現(xiàn)了用最少的導聯(lián)，最少的特征向量，最簡單的特征提取和分類算法，取得較好的

3、分類效果。 全面論證了頻帶能量，樣本熵，4階累積量作為左右手運動想象分類特征的可行性，并針對這三種特征研究了各自的特征提取快速算法和最佳參數(shù)選擇問題。探討了五種分類器在左右手運動想象BCI中的應用，研究了其分類原理與設(shè)計方法，全面比較了各種分類器的優(yōu)缺點和適用范圍，為實時BCI系統(tǒng)分類器的選擇以及個性化BCI最佳特征的選擇提供理論和實驗依據(jù)。 為了進一步改善BCI系統(tǒng)性能，本文對運動想象思維策略的選擇,EEG采集方式，訓

4、練數(shù)據(jù)選擇等方面進行了深入探討。實驗結(jié)果表明：復雜度高的左右手運動想象策略對于BCI系統(tǒng)整體分類正確率的提高有所幫助；三同心圓環(huán)拉普拉斯電極具有良好的空間分辨率和空間定位性能，比傳統(tǒng)EEG測量吏能有效檢測運動想象時的大腦區(qū)域化特征，而且操作簡單，適合在線BCI系統(tǒng)的應用；“基于決策融合的訓練數(shù)據(jù)選擇算法”，可以排除原樣本中由于受試者主觀因素導致的“不利樣本”，有效改善分類器的性能，提高BCI分類正確率。 自行研制了基于左右手運動