论文部分内容阅读
腑－机接口(Brain-computer Interface, BCI)是不依赖神经肌肉组织的信息交流通道,它为患有运动障碍的病人与外界交互提供了一种新的手段。BCI的出现最初是以临床应用为目的,但近年来也已开始向非临床应用领域发展,所以BCI系统的在线实现具有十分重要的研究意义和应用价值。BCI系统的建立包括离线分析和在线实现两部分。目前虽然有许多关于脑电信号分析方法的介绍,并在竞赛数据中取得很高的分类正确率,但有许多方法因运算速度、算法复杂度等原因并不具有实用性,因此算法的实时性是确保在线实现的关键。本文着眼于建立基于左右于运动想象的BCI系统,并在提供给受试者实时反馈的情况下实现光标的方向控制,基于此本文分别使用自回归(Autoregression, AR)模型和自适应Morlet小波基作为特征提取方法,结合根据判决理论建立序贯假设检验(Sequence Probability Ratio Test, SPRT)和序贯判别分析(Sequential Linear Discriminant Analysis, SLDA)两种分类器,对国际BCI竞赛提供的数据集进行离线分析,验证算法识别准确率,实现动态分类。竞赛数据的仿真分析结果表明：采用自适应Morlet小波基提取特征比AR模型法能够取得更高的分类准确率,在同样的特征提取方法下,两种分类器对竞赛数据的分类效果相当。为验证算法的实时性能及实用性,本文基于BCI2000软件平台,以事件相关去同步、同步为基础,设计了左右手运动想象实验,该实验包含校准实验以及光标控制实验两个部分。离线分析中,首先使用BCI2000的离线分析工具对每位受试者定位两种任务类型下最具区分度的导联位置,然后采用自适应小波基进行特征提取,在4位受试者初次的实验数据中,SPRT获得了72.88%的平均正确率,SLDA获得76.21%的平均准确率,且SLDA所需判决时间要短于SPRT。基于离线分析结果,选取两名准确率最高的受试参与光标控制实验,采用自适应小波基结合SLDA作为实时算法,经训练后两名受试的平准正确率均高于80%。该研究为国内在线运动想象BCI系统的一个重要突破,也为今后的BCI系统的实时性及实用化研究积累了经验。