用于運(yùn)動(dòng)感覺(jué)BCI系統(tǒng)的基于EEG的不同手部動(dòng)作之間的識(shí)別.pdf

1、人類大腦的結(jié)構(gòu)、生理特性,還有它具有的認(rèn)知能力,研究起來(lái)都是非常困難的,并且鑒于人腦的生理特性,創(chuàng)傷性侵入式的信號(hào)獲取是不現(xiàn)實(shí)的,所以在目前的腦計(jì)劃研究中,最為可取的就是腦電波(Eletroencepalograph,EEG)研究。在應(yīng)用層面,對(duì)于殘疾人或者運(yùn)動(dòng)不便的健全人來(lái)說(shuō),感覺(jué)運(yùn)動(dòng)相關(guān)的腦-機(jī)接口(Brain Computer Interface,BCI)系統(tǒng)是十分必要的。良好的 BCI系統(tǒng)應(yīng)該直接從大腦活動(dòng)記錄,并能提供實(shí)時(shí)反饋

2、給用戶,而它的關(guān)鍵技術(shù)是對(duì)腦電波信號(hào)的采集、提取和分類。
　　非侵入式的EEG研究在國(guó)內(nèi)外是具有局限性的,目前具有成果的研究領(lǐng)域主要是基于誘發(fā)電位的探討、利用眼動(dòng)信號(hào)來(lái)控制外部設(shè)備,利用非直覺(jué)進(jìn)行控制等。目前大多對(duì)于運(yùn)動(dòng)EEG的研究也只是限于區(qū)分出左右手,然而針對(duì)單個(gè)慣例手的不同手部動(dòng)作的識(shí)別與分類相比于僅僅區(qū)分左手或右手要精細(xì)的多,也困難的多。本文所研究的正是慣例手的不同手部動(dòng)作之間的分類。并且為了更好的分析,也為以后的后續(xù)任務(wù)

3、作鋪墊,本次的實(shí)驗(yàn)設(shè)計(jì)加入了慣例手的手腕部的動(dòng)作。
　　本文研究表明,在慣例手的三種不同的手部動(dòng)作的運(yùn)動(dòng)執(zhí)行時(shí),人腦產(chǎn)生的EEG信號(hào)是不同的。首先鑒于EEG波形在運(yùn)動(dòng)時(shí)發(fā)生于大腦感覺(jué)運(yùn)動(dòng)皮層區(qū)域的事件相關(guān)同步化(Event-Related Synchronization,ERS)和事件去相關(guān)同步化(Event-Related Desynchronization,ERD)現(xiàn)象,本文分別選用單側(cè)和雙側(cè)運(yùn)動(dòng)皮層腦區(qū)的數(shù)據(jù),提取出時(shí)域特征

4、和頻域特征。其中信號(hào)頻域內(nèi)的特征提取運(yùn)用了經(jīng)驗(yàn)?zāi)B(tài)分解算法(Empirical Mode Decomposition,EMD)。然后本文將特征數(shù)據(jù)行隨機(jī)打亂1000次并每次抽取出相應(yīng)特征的前40行,計(jì)算數(shù)值平均值,在不同的兩類特征之間進(jìn)行大小比較。多個(gè)數(shù)據(jù)特征組通過(guò)此種處理而得到了動(dòng)作分類真值表,用此真值表對(duì)提取的特征進(jìn)行分類,最終得出了平均準(zhǔn)確率為78.75％的良好結(jié)果。
　　此次研究的主要?jiǎng)?chuàng)新點(diǎn)是提供了一種基于EMD算法的EE