论文部分内容阅读
脑卒中(stroke)又叫脑中风,特指由于急性脑血管循环障碍引起的持续性(＞24h)大脑半球或脑干局灶性神经功能缺损,临床表现为外周神经坏死,容易造成患者各类偏瘫症状。据不完全统计,在我国仅脑卒中引起的偏瘫患者人数达130万。如何为卒中患者(甚至是只有思维正常而全部运动功能丧失的人),提供良好的康复治疗手段已经成为现代康复医学和康复工程的研究热点。近年来,随着脑科学和计算机科学的迅速发展,基于脑机接口技术的运动功能康复方法已在世界范围内引起关注。 脑电信号中μ波具有明显的节律性,普遍存在于绝大多数正常人的脑电中。在想象手闭合运动和不进行任何想象运动时,μ波存在明显的差异,即想象手闭合运动时,μ波幅值降低,而受试者不进行任何想象运动时,μ波幅值保持不变。这构成了本文研究的理论依据和出发点。本文重点围绕单侧手的张握运动想象脑电信号的特征提取和模式分类方法展开研究,并将识别结果用于Nao机器人手的张握运动控制。取得的主要研究成果如下: (1)基于正则化共空域子空间分解算法的脑电信号特征提取方法 在对运动想象脑电信号特点及其常用特征提取方法对比分析的基础上,针对传统特征提取方法存在小训练样本情况下特征值不稳定及识别率低的问题,提出了基于正则化共空域子空间分解的脑电信号特征提取方法(即R-CSSD方法)。该方法在传统共空域子空间分解算法的基础上引入正则化思想,通过正则化参数将目标实验者的训练数据与其他实验者(称为辅助实验者)的同类型训练数据进行有效结合,以构造正则化空间滤波器,进而完成对目标实验者运动想像EEG信号的特征提取。实验结果表明:在小训练样本情况下,R-CSSD方法有效提高了脑电信号特征值的稳定性,在提高分类正确率、降低时间消耗方面具有良好的性能。 (2)基于隐马尔科夫模型的脑电信号分类方法 对常用的运动想象脑电信号分类器进行分析,根据隐马尔科夫模型(HiddenMarkov Model,HMM)与脑电信号的生理兼容性,选择HMM作为运动想象脑电信号分类器,并针对其训练阶段容易出现局部最优的问题,将遗传算法(Ggenetic Algorithm,GA)与HMM相结合,获得GA-HMM模型,利用GA训练HMM模型的参数,以便随机地调整HMM模型训练的初始值,使HMM跳出局部最优。进而,提出一种自反馈GA-HMM模型,进一步增加了分类器的鲁棒性和自适应性。采用第二届国际BCI竞赛数据Data setⅢ进行仿真实验,实验结果表明,自反馈GA-HMM模型与传统HMM、GA-HMM相比,分类正确率明显提高,自适应能力有一定的改善,验证了分类模型的有效性。 (3)基于单侧手运动想象脑电信号的BCI控制系统的设计 在对脑电信号识别方法进行改进和对脑电信号研究的基础上,本文设计了基于单侧手运动想象脑电信号的BCI控制系统整体方案,并对系统中的关键模块进行研究。首先,设计了脑电信号采集提示软件;然后,利用奥地利g.tec公司生产的g.MOBIlab+数字脑电仪采集想象手部闭合运动和静止状态的脑电信号;进而,对上述脑电信号进行识别,并设计计算机与Nao机器人之间的网络协议,将脑电识别结果作为控制命令发送给Nao机器人。利用Nao的API函数,将命令转换为Nao可以接受的命令类型,从而对Nao的手部运动进行控制,实现了基于手闭合运动想象脑电信号控制机器人手闭合运动的在线BCI系统。实验结果证明了系统设计方案及脑电信号识别方法的正确性。 本文研究成果对于提高脑-机接口系统的稳定性和可靠性,使脑-机接口技术从实验室走向实际应用奠定基础,为改善现有运动功能康复医疗手段具有积极的意义和促进作用。