论文部分内容阅读
脑-机接口(Brain-Computer Interface,BCI)作为一种新型人-机交互技术,它可以在大脑与外部设备之间建立直接的信息交互通道,而无需通过外周神经和肌肉通道。BCI技术在医疗康复、游戏娱乐和军事等领域有广阔的应用前景。近年来,随着信号处理和计算机技术的发展,BCI研究已经取得了令人瞩目的成就。但在商业化应用中仍面临一些困难,如识别精度和异步控制等问题。因此,实用性在线BCI系统的构建对于BCI技术的发展具有重要意义。共同空间模式(Common Spatial Pattern,CSP)和独立分量分析(Independent Component Analysis,ICA)作为应用最为广泛的脑电信号(Electroencephalogram,EEG)处理技术,在BCI应用中各有自身的优势与不足。鉴于ICA的无监督学习特点,本文使用ICA作为BCI系统的特征提取方法,并在此基础上构建了零训练三类运动想象分类器。同时,通过分析眼电信号(Electrooculogramm,EOG)识别受试者的眨眼行为,受试者通过眨眼自主控制任务状态和非任务状态间的切换,以实现BCI系统的异步控制。最终,在VC++平台下开发了在线混合MI-BCI(Motor Imagery BCI,MI-BCI)系统。本文的具体工作包括:1.研究了运动想象脑电的ERD/ERS现象。介绍了 EEG信号的时域、频域、空域滤波等特征提取方法,以及典型的模式分类算法。2.设计了一种基于CSP的EEG训练样本优化方法。实验结果表明,在使用该方法剔除低质量的训练数据后,可有效提高CSP空域滤波器的性能。然后介绍了 ICA算法在MI-BCI中的应用,并从多个方面与CSP进行比较,得出ICA算法更适合在在线MI-BCI中应用的结论。3.实现了一种基于EEG和EOG的新型混合MI-BCI系统。系统提供了简单的人-机交互界面和GUI控制界面,具有数据传输速度快,实时性强,操作性好的特点,且针对不同的用户可个性化设置参数。受试者通过眨眼决定运动想象的开始,并通过三类运动想象实现对GUI中目标的运动控制。4.设计了在线MI-BCI系统的实验范式,并提供了离线分析功能。四位受试者参与了在线实验。实验结果表明,受试者通过运动想象可有效控制GUI中的目标运动到目的地,并且受试者实验的运动轨迹与规划路径的匹配度较高。本系统是基于VC++平台开发,具有操作方便,使用简单,算法复杂度低,实用价值高的特点。