基于FPGA的BCI系統(tǒng)研究.pdf

1、腦機(jī)接口(BCI)是將采集到的大腦電信號轉(zhuǎn)換為能控制外部設(shè)備的一種系統(tǒng)。BCI允許用戶直接和外部設(shè)備通信而不依賴大腦外部神經(jīng)和肌肉組織,它通過采集和測量人大腦的神經(jīng)活動,即腦電信號(EEG),并對采集的 EEG進(jìn)行特征提取和分類識別,輸出相應(yīng)的控制命令。這種通信方式為那些因創(chuàng)傷和神經(jīng)疾病而不能有效控制肌肉活動,但思維意識正常的人提供了幫助。腦機(jī)接口在醫(yī)學(xué)、康復(fù)訓(xùn)練、軍事訓(xùn)練、工業(yè)等領(lǐng)域發(fā)揮著巨大的潛在價值,也成為近年重大的研究熱點(diǎn)。

2、r>　　運(yùn)動想象BCI系統(tǒng)研究的關(guān)鍵是選擇適當(dāng)?shù)姆椒◤哪X電背景中提取能代表腦電任務(wù)的特征。本文對時域二階能量特征提取、Hilbert包絡(luò)提取、EMD分解法、小波變換法、自回歸模型法、共空間模式(CSP)算法等方法在腦電特征提取中進(jìn)行了分析。提出了一種在CSP算法中加入Fisher準(zhǔn)則改進(jìn)型CSP算法來提取兩類想象運(yùn)動特征的方法,這種方法折衷了 fisher和CSP,不從單一的方向去考慮腦電信號。在Fisher和CSP結(jié)合的投影方向上選取

3、較大的D個特征值對應(yīng)的特征向量作為分類器的輸入特征,用以實(shí)現(xiàn)運(yùn)動想象腦電任務(wù)的分類。實(shí)驗顯示,這種結(jié)合Fisher和CSP的方法提取腦電特征比單純的CSP方法正確率有5％左右的提高,增強(qiáng)了BCI系統(tǒng)運(yùn)動想象的識別率。
　　針對BCI技術(shù),本文展開討論了FPGA在腦機(jī)接口中的運(yùn)用。提出了在FPGA平臺上實(shí)現(xiàn)CSP特征提取算法的方法和自回歸模型法設(shè)計步驟。CSP算法中包括協(xié)方差矩陣計算模塊、基于Givens旋轉(zhuǎn)算法的矩陣特征值分析和特