基于運(yùn)動想象電位的腦機(jī)接口研究.pdf

1、基于運(yùn)動想象電位的腦機(jī)接口系統(tǒng)(Brain Computer Interface,BCI)可以通過解析被試者腦電信號達(dá)到不依賴自身的神經(jīng)、肌肉直接與外界進(jìn)行交流溝通的目的。具有不依賴外界刺激產(chǎn)生等優(yōu)點(diǎn)，在醫(yī)療康復(fù)等領(lǐng)域具有廣闊的應(yīng)用前景。目前，基于想象電位的BCI存在準(zhǔn)確率較低，所需腦電信號導(dǎo)聯(lián)數(shù)量過多的問題，限制了其實(shí)用性。針對上述問題，本文采用一種小波包分解和共空間模式算法相結(jié)合的時、頻、空域特征提取方法，通過支持向量機(jī)網(wǎng)格參數(shù)尋優(yōu)

2、的模式識別算法進(jìn)行分類，在較少導(dǎo)聯(lián)的情況下取得了較好分類效果。主要進(jìn)行了以下研究：
　　1.針對想象電位信噪比低、非平穩(wěn)性的信號特點(diǎn)，選用小波包分解和重構(gòu)對其進(jìn)行時頻分析。不同想象狀態(tài)下腦電信號具有明顯空間分布差異，采用共空間模式進(jìn)行空間特征提取，小波包分解拓展用以共空間模式濾波的信號維度，彌補(bǔ)了共空間模式算法所需導(dǎo)聯(lián)數(shù)量過大的缺陷，實(shí)現(xiàn)了想象電位的時、頻、空域聯(lián)合特征提取。
　　2.系統(tǒng)性研究了上述算法中兩大關(guān)鍵參數(shù)——共

3、空間模式特征維度和小波包分解層數(shù)的選取方法。為了利用盡可能少的計算次數(shù)尋找不同被試者的最優(yōu)特征維度，設(shè)計了共空間模式特征維度的尋優(yōu)策略；在不同小波包分解層數(shù)下應(yīng)用這一策略計算分類準(zhǔn)確率，確定了最優(yōu)小波包分解層數(shù)。
　　3.研究Fisher線性分類器、概率神經(jīng)網(wǎng)絡(luò)和基于核函數(shù)的支持向量機(jī)對所提取想象電位腦電信號時、頻、空域特征的分類方法，并對其關(guān)鍵參數(shù)進(jìn)行優(yōu)化，比較分析分類結(jié)果，發(fā)現(xiàn)支持向量機(jī)通過網(wǎng)格參數(shù)尋優(yōu)在少導(dǎo)聯(lián)的想象電位分類中