论文部分内容阅读
脑-机接口(Brain Computer Interface,BCI)是利用脑电信号来实现的人机交互,可以为神经肌肉损伤患者提供一种不依赖正常的外周神经和肌肉输出通道的新的通讯工具。脑-机接口的研究对于康复工程和新的交流控制有着重要的研究意义,已经成为康复领域、人机控制领域和生物医学工程等领域的研究热点。本文主要对左右手运动想象这一脑-机接口进行分析研究。
左右手运动想象脑电信号特征提取和模式识别是研究左右手运动想象的关键。本文充分利用国际BCI竞赛脑电信号数据,着眼研究左右手运动想象中的信号噪声的去除、脑电信号特征的提取以及模式的分类算法。
首先,利用经验模态分解(EMD)和小波包方法对左右手运动想象脑电信号进行了去噪研究,并且对这两种方法进行了比较。实验结果表明,EMD在去除噪声中具有比小波包更好的特性。
其次,分别利用AR模型、小波包和EMD方法提取左右手运动想象特定频段μ节律和β节律的能量作为信号的特征,对提取到的能量特征进行了分析与比较,实验结果表明,EMD和小波包方法提取的能量特征比AR模型更具有区分度。
最后,把线性判别器Fisher分类器和支持向量机分类方法与不同方法提取的特征量相结合进行分类比较,得到采用EMD方法与支持向量机的组合分类的效果最好达到了86.43%,采用小波包与支持向量机的组合达到83.57%。实验结果表明,采用EMD方法提取能量特征更具有代表性,更适合区分左右手运动想象的模式。本文提出的EMD与支持向量机组合的方法在左右手运动想象领域具有一定的优势,具有识别率高的优点。