想象运动的脑电特征提取及其分类的研究.pdf

摘要 摘 要 “脑一机接13”系统(Brain．ComputerInterface，BCI)是一种全新的人机接口方 式，它不依赖于脑的正常输出通路(外周神经与肌肉系统)，而直接从大脑获取与 外界通讯的信息。BCI的一个重要用途是为那些思维正常但有严重运动障碍的患 者提供语言交流和环境控制途径，以提高其生存质量。另外，BCI技术在特殊作 业、军事、娱乐等方面也有潜在的应用价值。近年来，BCI作为一种多学科交叉 技术，正成为脑科学、康复工程、生物医学工程及人机自动控制等领域的一个研 论研究和实验研究扮演着重要角色。 思维作业期间，在不进行任何外界刺激的情况下，通过左右手想象运动就可 以直接获取思维脑电。因此，本文针对想象运动EEG的特征提取，模式分类等 理论方法以及信号采集、BCI系统实验设计等内容展开研究，取得的主要研究成 果如下： (1)基于离散小波变换和BP神经网络的脑电信号识别方法 针对想象运动的BCI存在分类准确率低、抗干扰能力差等不足，提出一种 Wavelet 将离散小波变换(Discrete 识别方法(DWT-BP方法)。该方法通过计算左、右手想象运动的C3、C4的平均 功率合理确定时间窗设置，进一步对时间窗内的平均功率信号进行离散小波变 换，并选取尺度6上的逼近系数A6的组合信号作为脑电信号特征，以BP神经 网络为分类器实现对脑电观测数据的分析。在“BCI 2003”竞赛数据 Competition 集上的实验结果表明，DWT-BP方法能够较准确地提取脑电信号的本质特征，具 有较好的抗干扰能力和分类性能，分类正确率达到94％，证实了该方法对于识别 运动想象脑电信号的有效性，同时为实现想象运动在线BCI系统打下了基础。 (2)用于脑电信号分类的神经网络集成方法 BP神经网络具有对任意非线性函数的逼近能力及较强的自学习、自适应能 力，因而，将其作为脑电信号的分类器在BCI的研究中得到了广泛应用。然而， 由于缺乏问题的先验知识，BP神经网络算法往往很难找到理想的网络结构，这 就影响了分类器泛化能力的提高。为此，本文提出了基于神经网络集成技术的分 类算法。该方法通过离散小波变换抽取左、右手想象运动的主要特征，采用 Network Ensemble，NNE)模型，并选取相 Bagging算法构建神经网络集成(Neural 对多数投票法获得网络集成的输出结果。在“BCI 2003”竞赛数据集 Competition 上的实验结果表明，该方法得到了比基于单个神经网络的脑电信号识别方法更高 北京T业大学T学硕十学何论文 的识别率(99．3％)。同时，降低了个体神经网络的配置难度，提高了系统的泛化 能力。 (3)想象运动思维脑电相关实验设计 针对国内BCI研究多数是从国外获取实验数据的现状，本文自行设计了三 种实验方案进行脑电信号的采集。其中，实验一要求受试者依据灯光点亮的方向 选择左、右手进行实际按键操作；实验二的采集过程是依据箭头提示方向进行左、 右手想象运动；实验三则以听觉刺激取代实验一的视觉刺激，要求受试者闭眼， 并根据“左”和“右”的声音提示来进行选择按键。利用本文提出的特征提取及分类 算法对上述三种方案采集的脑电数据进行识别，验证了实验方案的可行性和脑电 信号识别算法的有效性。在此基础上，又构建了BCI模拟控制系统。该系统采 用DWT-BP方法对实际采集的脑电信号进行识别，用分类器的输出来控Nd,车 的左右移动，实现了用思维控Nd,车的运动方向。 本文的研究成果在提高“脑一机接口”系统的分类性能和泛化能力等方面具 有积极意义，为将来实现基于想象运动思维脑电的在线BCI系统奠定了坚实的 理论基础和实验基础。此外，在理论、实验研究中总结出的经验，对于设计和应 用基于想象运动思维脑电的BCI系统具有重要的参考价值。 关键词“脑．机接口”系统；想象运动；小波变换；BP网络；神经网络集成