论文部分内容阅读
脑电信号是由大脑内部的神经元细胞产生的一种非线性的、随机的、微伏级的生物电信号,是神经元细胞群体活动生物电在头皮表层的综合反映。人体表面肌电信号是浅层神经肌肉细胞兴奋收缩,引起表面电位变化而形成的一种电信号。目前国内外对于脑机交互技术的相关研究越来越多,从理论和实践证明了该技术的可行性。同时由于肌电信号的确定性和高识别率,其已经成为一种理想的人机交互控制信号源。基于肌电信号单独控制的人机交互技术已经有许多成熟应用,但是利用肌电和脑电互补优势,作为协同控制信号源控制外部装置及设备的研究还比较少。由于表面肌电信号可以直接反映人体的肢体活动,因此非常适用于拟人化控制;而大脑作为人的神经中枢,通过大脑皮层采集的脑电信号含有丰富的控制信息,可以作为被控设备的控制信号源。本文从脑电和肌电信号研究现状出发,对信号的采集、预处理、特征提取和模式识别方法做了详细的研究和分析。同时还研发了一款基于脑电和肌电控制的多模式遥操作轮式小车,为本文提出的脑电和肌电信号分析算法提供了一个在线验证平台。本文利用脑电信号控制轮式小车的四种运动状态即左转、右转、前进和后退;六轴姿态传感器控制轮式小车上的六自由度机械臂;肌电信号则完成手爪的抓握控制。本文主要的工作内容与相关研究成果可归纳如下:(1)针对传统的盲源分离无法根据原始信号的先验信息进行伪迹去除,提出了一种基于正切函数降噪源分离的脑电信号伪迹去除方法。降噪源分离方法可以根据观测信号的先验信息如时域稀疏、频域稀疏、时序结构等,构筑针对性的降噪函数,从观测信号中逐次迭代分离出分量信号。本文选取一段含有眼电等伪迹的脑电信号作为离线分析对象,通过降噪源分离算法,脑电信号去伪迹效果要优于利用Fast ICA算法的分离效果。针对肌电信号的特点,选择基于小波变换的消噪方法进行噪声的去除。(2)利用小波变换提取脑电信号中的?和?节律波,得到相应的平均归一化能量值作为特征1;根据脑电信号的非线性特征,提出一种基于二值距离矩阵的快速近似熵特征提取方法,作为特征2;然后将两种特征组合形成脑电信号的组合特征向量。从肌电信号的时域、频域、时频域和熵四个角度出发,选取威尔逊振幅(WAMP)、平均频率(MF)、小波能量系数(EWT)和排列熵(PE)4个特征,并将4种特征组合后得到肌电信号的特征向量。提出了基于类内离散度矩阵和类间离散度矩阵的可分性评价指标,对各类特征的优劣进行评价。(3)针对传统的一对多(OVR-SVM)分类器可能会出现的拒分现象,提出一种基于有向无环图的支持向量机(DAG-SVM)分类方法,用于四类运动想象脑电信号的识别,树型结构分类器能够有效避免拒分现象的出现;针对展拳和握拳两类动作模式的肌电信号,利用SVM进行分类识别。经离线分析表明,脑电信号的组合特征平均分类正确率为67.19%,要优于单一特征的分类正确率;肌电信号的组合特征平均分类正确率为99%,优于单一特征的分类正确率。(4)设计实现了一款脑电和肌电信号控制的遥操作轮式小车。基于VS2010平台开发了PC客户端软件,利用客户端调用Matlab接口完成脑电/肌电信号的预处理、特征提取和识别分类,并将分类结果转化成指令,经wifi远程传输到轮式小车上,控制小车运动和机械手爪的操作。其中以左手、右手、双脚和舌头四类运动想象的脑电信号识别结果控制小车左右前后运动,六轴姿态传感数据控制六自由度机械臂运动,以展拳、握拳肌电信号识别结果控制手爪开合,进行了在线控制实验。