随着全球老龄化的加剧,由脑血管疾病或脊髓损伤造成的偏瘫患者的数量不断增加,同时,因交通事故而造成脊髓受损的人数也越来越多,这些患者丧失了肢体的运动功能,不仅生活难以自理,给家人带来沉重的经济和精神负担。传统的康复手段不仅费用十分昂贵,并且由于缺乏患者的主动参与,恢复效果较差。如何更加有效对这些患者进行康复治疗,是全球老龄化的现实需求,也是信息科学、神经科学、康复工程等交叉学科的研究热点。脑机接口(Brain-computer interface,BCI)是一种通过采集人的脑电信号(EEG)实现人脑与外界计算机或其他电子设备间进行通讯或控制的系统,能够建立不依赖外周神经和肌肉的大脑输出通道。利用BCI技术可以使偏瘫患者主动参与康复训练,改善偏瘫部位的运动功能康复效果。本文以手部运动功能康复为目标,对手部运动想象脑电信号(MI-EEG)的实时采集、眼电伪迹自动去除、自适应特征提取以及在线康复系统设计等内容进行研究,取得的主要成果如下:(1)基于快速核独立成分分析与离散小波变换的眼电自动去除方法为了改善脑电中的眼电伪迹过估计问题及环境干扰耦合引起的非线性混合对眼电去除效果的影响,提出一种基于快速核独立成分分析(FastKICA)与离散小波变换(DWT)的眼电自动去除方法,即FKD方法。首先,利用FastKICA方法对脑电信号分离得到独立成分,并以相关系数为依据识别出眼电伪迹;进而,基于离散小波变换对眼电伪迹进一步分析,去除逼近分量,保留细节分量,重构出眼电伪迹成分;最后,利用FastKICA逆变换重建眼电去除后的脑电信号。实验结果表明:FKD不仅有效改善了眼电过估计问题,增强了抗干扰能力和鲁棒性,而且在线性混合和非线性混合情况下,均得到较好的伪迹去除效果,特别是在非线性混合时优势更为明显,适合于实际在线应用。(2)基于正交经验模态分解和共同空间模式的脑电自适应特征提取方法针对MI-EEG的时变性和个体差异性等特点,将正交经验模态分解(OEMD)法、有限单位脉冲响应(FIR)滤波器和共同空间模式(CSP)算法相结合,提出一种新的自适应特征提取方法,即OEFCSP方法。首先,利用导联选择算法对经过滤波处理后的脑电信号选取最优的导联组合;然后,应用OEMD方法将每导脑电信号分解成多阶的正交固有模态函数(IMF),并对每阶IMF分量采用多重FIR带通滤波器,将其均分成多个频段;进而,通过CSP方法对每个子代信号进行特征提取,并利用特征排序算法对特征进行排序;最后,结合特征选择算法和分类器根据分类准确率选择最优的脑电特征。基于国际标准数据库进行实验研究,结果表明:OEFCSP特征提取算法相对于其他常用方法取得了更高的分类准确率,具有更好的稳定性和自适应性。(3)手部运动想象脑电信号的采集与分析为了将MI-EEG康复研究推向实际应用,自行设计了手部张/握运动想象脑电采集实验,并将上述研究成果应用于实际采集MI-EEG的离线分析,验证方法的有效性。基于Java的SWT技术设计并编写了实验采集程序,并用JMF调用手部张/握动作提示视频画面;脑电采集装置为Brain Products公司生产的64导脑电仪,对5位实验者进行了手部真实运动及运动想象EEG的实际采集;采用FKD以及OEFCSP方法分别对实际采集的64导脑电信号和眼电信号进行眼电伪迹的去除及特征提取与分类,得到了较好的实验结果,充分体现了不同个体手部张/握MI-EEG脑电特征的个性化特点,为基于手部MI-EEG的在线康复系统研究和实现奠定了基础。(4)手部运动功能的MI-BCI在线康复系统设计在上述研究的基础上,设计了基于MI-BCI的在线手部运动功能康复系统。该系统在运动想象动作提示界面的基础上,通过JNI和多线程技术,实时控制g.tec公司的g.MOBIlab+采集仪,实现脑电信号的同步采集;然后,利用C++和matlab混合编程以及JNI技术,实现眼电伪迹的在线处理与自动识别;最后,将识别结果通过串口通信输入到基于DSP的机械手控制模块,控制机械手的张开和握合,从而实现手部MI-EEG信号对机械手的在线控制。实验结果表明:本系统具有良好的实时性,为MI-BCI技术应用于康复治疗、增强患者康复治疗的主动性及改善康复效果具有一定的积极作用。