论文部分内容阅读
近些年来，随着神经科学、信号处理、计算机科学等领域的不断地深入发展，作为这些学科的交叉学科——脑机接口，目前已成为了当前国际上科学研究的热门领域。脑机接口是一种不同于人脑神经与肢体肌肉组织的正常通道，而是通过解析人脑神经活动信息来与外界设备交流的通讯控制系统。由于脑电信号具有幅值微弱、非平稳、噪声干扰强等特点，导致该类信号特征提取与模式分类的复杂性以及构建在线脑机接口系统的困难。经过充分调研与研究，本文采用了对二分类与四分类脑机接口更加有效的特征提取方法，并构建一套基于运动想象的在线足球射门脑机接口系统。 本文试图从分析当前特征提取算法与模式分类算法对脑电信号适应性入手，通过优化脑电信号预处理，构建一组特征提取算法与模式分类算法。在二分类脑机接口系统中，首先，针对共同空间模式(Commom Spatial Pattern，CSP)计算过程缺乏频域信息，且信号中混淆了大量的无关频率信号。为此本文结合了张量分解，它能够保留多维数据以及各维数据之间的关联信息。与此同时，针对提取后的特征分别使用了线性判别分析(Linear Discriminant Analysis，LDA)、支持向量机(Support Vector Machine，SVM)进行分析比较。其次，在四分类运动想象脑机接口系统中，本文采取子带能量和时域参数的方法，分别采用LDA和SVM两种分类器，并且在训练集中选择取最优的参数组合，并应用到四分类的脑机接口系统中。 实验表明，在二分类脑机接口系统中，本文使用的方法平均准确率能比一般方法有所提高;在四分类脑机接口系统中，结果显示在不同的受试者数据中都取得良好的分类效果，进而采用Emotive EPOC脑电信号采集系统设计了一套基于运动想象的在线足球射门脑机接口系统。该方案及其拓展改进在家庭娱乐、医疗康复等方面有着良好的前景和价值。