论文部分内容阅读
基于脑电信号的人机接口技术研究是目前国内外研究热点之一，本文以国家973重大基础研究项目、国家863高技术研究项目以及国家自然科学基金项目为背景，对基于运动想象脑电信号的在线脑-计算机接口技术进行研究，研制了基于NI Measurement Studio和USB的开放式脑电信号采集和试验平台，对运动想象脑电信号的在线特征提取和分类算法进行了研究。并在以上基础上实现了在线脑电信号控制机器人系统，同时开展了大量实验，探讨了如何进行实验设计能产生具有更好区分度的脑电模式。
本文首先概括了脑计算机接口技术的研究动态和发展趋势。
阐述了脑电信号的产生和传播机制，介绍了脑电事件相关去同步/同步现象的基本原理。
综合国内外脑电信号采集技术和模拟集成电路的最新发展，针对脑计算机接口研究，设计了基于NI Measurement Studio和USB的开放式脑电信号采集和试验平台，包括模拟电路(前置放大，高通滤波，主放大，隔离电路，陷波电路，低通滤波，后级放大)、数字电路(AD转换、USB通信)、固件程序、USB驱动程序、动态链接库(开放API接口)、上位机应用程序的设计。诱发脑电信号和运动想象脑电信号的提取实验表明了该系统具有实用性、可靠性。
在对现有的特征提取方法进行了分析比较后，提出了基于小波变换系数均值、方差、能量均值和AR模型系数的特征提取方法。同时探讨了不同的小波基、不同的AR模型阶数、不同的数据段长度对结果的影响。在特征分类方面对BP神经网络、支持向量机SVM、Fisher线性判别、马氏距离线性判别等分类算法进行了对比分析，最终选择了简单实用的马氏距离线性判别算法。对提出的方法采用已公布的可靠的运动想象脑电数据进行了检验，初步表明了提出的特征提取和分类方法的有效性。表明该方法提取的特征向量较好地反应了脑电信号事件相关去同步和事件相关同步的变化过程，为BCI研究中脑电信号的模式识别提供了有效的手段。
设计了机器人控制电路，并将其和之前研制的脑电放大器、BCI实验软件平台、提出的特征提取和模式识别算法构成了一个在线脑机接口系统，多个被试者在该系统上进行了大量长时间的在线实验，不仅证明了整个系统的有效性，而且对实验的设计、对系统的进一步改进和升级都提供了很多有意义的参考。
论文最后提出了今后研究的方向。