论文部分内容阅读
脑机接口(BCI)是在人脑与计算机(或其他控制设备)之间建立的直接交流的通道。目前,脑机接口系统主要有两类,一类是基于诱发脑电的脑机接口,像P300脑机接口系统、SSVEP(稳态视觉诱发电位)脑机接口,此类脑机接口识别率较高,研究相对成熟,不需要使用者训练,但是需要特定设备对使用者进行刺激,易疲劳,适应性较局限,比较适合通讯;另一类是基于自发脑电的脑机接口,像ERD/ERS(事件相关同步/去同步电位)脑机接口,不需要外界刺激,仅需使用者思考,但是需要经过较长时间的训练,分类精度有待提高,比较适合用于控制。基于这种背景下,一种新的脑机接口模式——基于语言想象的脑机接口进入了研究者的视野。语言想象利用的是自发脑电,不需要外界刺激,也不需要长时间的训练便能达到所需的精度,具有广泛的研究意义。本文围绕基于语言想象的特征提取展开研究。研究语言想象的过程中,提出了一种关于拼音元音字母的语言想象范式,对受试者进行实验验证,在此基础上提出了单一想象模式和混合想象模式,并对这两类模式下的效果进行了分析;在对语言想象的脑电信号的识别研究中,对脑电信号进行带通滤波处理,特征提取采用共空间模式(CSP)和频带功率的方法,利用线性判别分析(LDA)建立脑机接口的识别模型。本论文取得的主要成果:1.提出了一种新的研究语言想象的模式,通过拼音元音字母进行研究,对八位受试者进行了离线实验采集其脑电信号。2.建立了一种针对语言想象的脑机接口模型,对脑电信号进行处理选取有效特征并分类,得到基于拼音字母的语言想象的脑电信号的识别方法。3.提出了语言想象过程中的单一想象模式和混合想象模式,在两种情况下分别进行实验,并用语言想象的脑机接口模型对实验效果进行分类验证。实验结果表明混合想象模式比单一想象模式更能提高受试者的注意力,分类效果更好,更适用于脑机接口系统。