運動想象腦電信號的特征提取算法研究.pdf

1、腦-機接口（Brain-computer interface，BCI）是一種不依賴外周神經(jīng)和肌肉等傳統(tǒng)信息通道的特殊人-機交互技術(shù)。利用該技術(shù)，可實現(xiàn)大腦與外部設(shè)備之間的直接通信和控制。作為神經(jīng)活動的信息載體，頭皮腦電(EEG)信號能實時反映思維狀態(tài)的變化，并且容易檢測，因此在非植入式BCI系統(tǒng)中得到了廣泛應(yīng)用。然而由于大腦容積傳導(dǎo)效應(yīng)的存在，使得頭皮腦電的空間分辨率較低。同時，非神經(jīng)活動偽跡（如眼電、肌電、心電等）和環(huán)境噪聲也大大降低

2、了有用信息的信噪比。因此，在基于EEG的BCI系統(tǒng)實現(xiàn)研究中，如何從多道頭皮腦電中獲取思維相關(guān)的真實神經(jīng)活動成分是非常關(guān)鍵的技術(shù)環(huán)節(jié)。
　　本文圍繞運動想象BCI系統(tǒng)的實現(xiàn)，對EEG信號處理和特征提取新方法開展研究，主要做了以下工作:
　　(1)設(shè)計了運動想象BCI的實驗范式，并采集了較豐富的運行想象EEG數(shù)據(jù)，為后續(xù)研究打下了良好的基礎(chǔ)。
　　(2)針對任務(wù)相關(guān)EEG節(jié)律波的包絡(luò)檢測和運動想象分類問題，實現(xiàn)了四種包絡(luò)

3、檢測方法:非線性能量算子(Nonlinear energy operator，NEO)、希爾伯特變換(Hilbert transform，HT)和兩種滑動窗獨立分量分析(Independentcomponent analysis，ICA)算法?；贐CI2003競賽數(shù)據(jù)，對四種包絡(luò)檢測算法在運動想象分類中的應(yīng)用效果進行了分析和比較。研究了干擾偽跡對包絡(luò)檢測精度的影響，并提出了相應(yīng)的改進思路。
　　(3)研究了結(jié)合時、頻、空域的空域

4、濾波新方法。ICA和共同空間模式（Common spatial pattern，CSP）是兩種重要的空域濾波算法。兩種算法都是提取空域濾波器后對預(yù)處理后的腦電信號進行濾波，得到與神經(jīng)活動相關(guān)的隱含信號源。由于濾波器的設(shè)計原理的不同，最終所得隱含源的物理意義差別也很大。本文首先基于實測運動想象EEG數(shù)據(jù)，分析和比較兩種空域濾波方法各自的性能特點。在此基礎(chǔ)上，給出了一種結(jié)合ICA和CSP的EEG特征提取新方法，實驗結(jié)果驗證了所提方法的有效性