自发脑电脑机接口技术及其脑电信号识别方法的研究.pdf

摘要 自发脑电脑机接口技术及脑电信号识别方法研究 摘要 脑机接口是指一种不依赖于人脑的正常输出通路的脑一机通讯系统，是一种 新的人机接口方式。它的实质为通过脑电信号推断人的想法或目的，从而实现人 机交流。脑机接口既是人类了解和提高脑功能的重要手段，又是一种全新的通讯 和控制方式，有望提高人类的生活质量。它在残疾人康复、正常人辅助控制、娱 乐、脑认知等领域有广泛的应用前景。 脑机接口包括两种类型：基于自发脑电的脑机接口和基于诱发脑电的脑机接 口。其中，基于自发脑电的脑机接口依赖于自发脑电信号。首先，人进行特定思 维活动，产生特定模式的自发脑电信号；其次，自发脑电信号借助高性能的生物 电信号采集系统进行记录，经过设计的数据处理算法把脑电特征实时地提取出 来，进而进行自动分类识别，从而实时判断出当Ij{『人所处的思维状态；最后，通 过计算机将判断出来的思维状态翻译成预先设定的控制命令，实现人脑对计算机 等外部设备的直接控制。本论文对自发脑电脑机接口技术及脑电信号识别方法进 行研究，首先分析和探讨了其涉及的技术，在此基础上设计了脑机接口系统；接 着对自发脑电的模式识别技术进行深入研究，提出和应用了若干模式识别方法， 并用标准竞赛数据进行初步检验；最后依据建立的实验系统，设计基于运动想象 的实验范例，用获取的实验数据对这些模式识别方法进行检验。 基于自发脑电的脑机接口主要涉及三项技术：信号产生与记录、信号模式识 别、实际应用。脑机接口属于交叉研究，涉及多个学科：神经科学、生理学、心 理学、计算机科学、康复医学等，目前对整个系统缺乏具体详细的描述，这些技 术的分析和探讨为脑机接口系统的建立、设计与研究提供了指导。基于这些技术， 设计了脑机接口系统。 在脑机接口涉及的三项技术中，信号模式识别最为重要，关系到能否将输入 正确地转换为输出。考虑本学科的研究特点和模式识别在脑机接口研究中的重要 性，本论文主要对模式识别技术进行深入研究。模式识别主要包括三个环节：特 征提取、特征选择和分类。本文的研究重点紧密围绕这三个环节，以期提高脑机 接口系统的识别精度。目前，较低的识别精度是限制脑机接口发展的一个重要因 上海交通大学博士学住论文 素。 特征提取足指从信号中提取有用信息，形成初始特征，为后续不同脑状态的 区分提供基础。本文在分析现有特征提取方法存在问题的基础上，提出了基于小 波变换系数及系数均值的特征提取、基于小波包分解系数及子带能量的特征提 取、基于小波包最优基的自适应个性化特征提取，并将提出方法与现有的基于自 回归模型系数的特征提取、基于传统时．频相结合的特征提取进行比较。脑电信 号是典型的非平稳信号，小波及小波包分解可以更好地分析此类信号。此外，脑 电信号具有个体差异性，提出的各种方法中，基于小波包最优基的白适应个性化 特征提取可自动为每个使用者选择特定的最优表达，从而使每个实验者获取最佳 特征，可以更加有效地提取自发脑电信号特征。 特征选择是从众多的特征中选择一个最佳的特征子集，以期改善分类器的识 别性能。将基于自适应遗传算法的特征选择应用于脑机接口，并与现有的基于简 单遗传算法的特征选择、基于Fisher距离的滤波特征选择进行比较。分类是依据 输入的特征子集，输出特征应该归属的类别。将基于概率神经网络的分类、基于 优化支持向量机模型参数的分类应用于脑机接口，并与现有的线性分类、基于经 验支持向量机的分类进行比较。由于特征选择和分类密不可分，在特征选择与分 类相结合的方法中提出了用自适应遗传算法对特征选择与支持向量机模型参数 联合优化的识别方法，该方法可以有效进行特征选择和分类。 对所研究的方法进行了理论分析之后，为检验这些方法的有效性，首先对 2003年脑机接口国际竞赛的标准数据进行了分析处理来初步验证，然后依据建 立的实验系统，设计实验范例，并对实验数据进行分析处理。本论文设计了基于 三种运动想象任务(想象左手拍篮球，想象右手拍篮球，想象右脚踩刹车)的实 验范例。以识别精度为指标，将研究的模式识别方法与其它现有的识别方法进行 比较，结果表明研究的方法能够取得更好的效果。 探讨的自发脑电脑机接口技术为其研究提供了指导。研究的模式识别方法为 其实现提供了更好的解决思路。本文所做的研究将为下一步建立基于自发脑电的 脑控机器人实用系统奠定了基础。由于实验数据的局