论文部分内容阅读
脑-机接口（Brain computer interface，BCI）是一种不依赖于正常的由外围神经和肌肉组成的输出通道的通讯系统，是在人脑和计算机或其它电子设备之间建立的一种直接的信息交流和控制通道。脑机接口旨在通过分析脑电来识别大脑正在进行的各种思维活动以及意图，从而可以使那些完全丧失外周神经肌肉控制能力的患者实现与外部世界的交流，同时也为揭示特定脑思维活动规律，理解大脑认知过程提供了一个新的研究手段。 基于运动想象脑电信号的脑-机接口以大脑在进行运动想象时会在对应的大脑皮层感觉运动区出现事件相关去同步和同步现象为依据，通过想象肢体运动来实现人脑与计算机之间的交流。本文针对不同采集方法以及不同想象任务数的运动想象脑电信号的特点从时域特征、能量特征以及空间特征的角度分别对运动想象脑电信号的分类进行了深入地研究，主要内容如下: 1.分析了基于运动想象BCI研究中经常采用C3和C4导联的少数导联测量方法的数据特点，采用Hjorth参数、频带能量特征以及共空间模式特征，分别对实验数据进行了特征提取，最后结合支持向量机对三种特征进行分类，提出了使用互信息梯度的方法对三种方法的分类结果进行评价，三种分类结果中虽然基于频带能量特征方法的分类正确率和互信息最大，但基于共空间模式特征的综合分类效果要好于其他两种方法。 2.针对基于运动想象BCI采集中使用的多导电极测量的特点，本文使用共空间模式方法进行特征提取，提出了通过交叉验证来寻找数据的最佳起止点的方法，找到最佳起止点后使用支持向量机对测试数据集的分类正确率为91％，达到了该数据集竞赛第一名的成绩。 3.提出使用频带能量及其归一化方法来提取多导脑电信号的特征，分别使用基于Fisher线性判别分析、概率神经网络以及基于径向基核函数的支持向量机的分类方法对归一化的频带能量特征进行了分类研究，分类结果表明三种分类方法均获得了较高的分类正确率，其中基于径向基核函数的支持向量机可以获得最高的分类正确率，达到92％，说明该特征提取和分类方法的有效性。 4.为了对高维频带能量特征进行有效的特征提取，本文使用了基于Fisher准则、L0以及SVM-RFE的特征选择方法对多频带能量特征进行了特征选择，并通过交叉验证对三种方法进行评估，结果表明SVM-RFE的效果最好，用选择好的特征进行分类的正确率达到了94％。 5.针对基于运动想象BCI研究中的多类任务的分类问题，本文采用不同共空间模式特征提取策略配合支持向量机进行分类，分类结果表明采用“一对一”的特征提取策略结合本文提出的分类器决策值输出判定方法的分类效果明显好于相同策略下的投票方法，并且分类效果也好于“一对多”的特征提取及分类方法。 6.设计了基于多类任务模式的k最近邻分类器，对两种特征提取策略下的共空间模式特征进行分类，分类结果的平均最大Kappa系数达到0.59，略高于该数据集竞赛成绩的第一名，说明了该方法的有效性。