论文部分内容阅读
据统计，中国目前中风患者数量已经达到了600万人，约四分之三的患者伴有运动功能障碍，而且患病人群逐年呈年轻化趋势，如何改善这部分人群的生活质量，提高其生活自理能力是社会亟待解决的问题。 人类大脑因脑神经活动会产生生物电信号，即脑电信号(electroencephalograph，EEG)，通过对其采集及分析处理可获得与脑神经活动相关的人的意图，将之转化为控制命令可控制外部的设备动作，此即脑机接口(Brain-computer interface，BCI)技术。利用BCI技术可以使偏瘫患者主动参与到康复训练中，有利于促进受损神经的修复与功能改善。本文以手臂运动功能康复为目的，对手臂运动想象脑电信号(Motor Imagery EEG，MI-EEG)的自适应特征提取、模糊分类器设计进行重点研究，并以dobot机械臂模拟手臂康复训练设备，对在线康复系统进行设计，取得主要成果如下: (1)基于最优小波包与监督型显式等距映射的特征提取方法 为提高特征提取方法的自适应性，并有效降低时间消耗，研究了一种基于最优小波包(Optimal Wavelet Packets，OWPs)与监督型等距映射(SE-Isomap)的特征提取方法，记为OSEI。首先，对初始MI-EEG信号进行平均功率谱分析，确定利于分类的最优时间段;然后，对最优时间段的信号进行小波包分解，计算特定层小波包均方差值并依此对小波包进行排序，选取OWPs;进而，计算OWPs系数的统计特征，同时，使用SE-Isomap算法对OWPs系数进行数据降维获取脑电本征结构特征，并与统计特征进行融合;最后，以K近邻分类器(K-Nearest Neighbors，KNN)验证提取特征的有效性。在公共数据库上进行实验研究，实验结果表明:OSEI提取的融合特征获得了相对较高的分类精度，而且表现出很好的稳定性，同时，有效提高了计算效率，便于在线康复应用。采用双样本t检验进一步从统计学意义上证实了本文方法的显著性优势。 (2)基于模糊C均值和遗传算法共同优化的区间二型模糊逻辑系统分类器 针对脑电信号的不确定性及易受外界干扰的特点，设计了一种区间二型模糊逻辑系统分类器(Interval Type-2Fuzzy Logic System，IT2FLS)，并采用模糊C均值(Fuzzy C-means，FCM)和遗传算法(Genetic Algorithm，GA)对其共同优化，减少模糊规则的数量，优化模糊集函数参数，获得改进的IT2FLS，记为IIT2FLS(Improved IT2FLS)。首先，利用FCM对训练特征集进行聚类，获取聚类中心点，将中心点坐标设置为系统模糊规则的前、后件模糊集函数的中心点参数，并随机初始化前、后件模糊集函数的标准差与分布半径;进而，使用GA算法对前、后件模糊集函数的标准差与分布半径进行全局寻优，得到的最优结果与中心点参数一同构成系统的模糊规则;最后，输入测试样本，系统根据模糊规则计算并输出样本的标签，完成模式分类任务。基于标准BCI数据库进行实验研究，结果表明:IIT2FLS分类器能够有效克服数据不确定性干扰，相对于其他常用分类器、一型模糊分类器及IT2FLS，具有更优越的分类性能，并且计算效率有了较明显提高。 (3)手臂运动想象脑电信号的实时采集与识别 为了验证本文提出的特征提取方法及改进IT2FLS分类器的有效性，自行设计了手臂的弯曲/伸展运动想象脑电采集实验，并将上述研究成果应用于实际采集的MI-EEG离线分析。基于Qt Creator技术设计并编写了实验采集程序;脑电采集装置为奥地利g.tec公司生产的8导脑电仪，对5位受试者进行了手臂MI-EEG的实际采集;基于OSEI方法与改进型IT2FLS对实际采集的8导MI-EEG进行识别，得到了较满意的实验结果，为在线康复系统研究和实现奠定了基础。 (4)手臂运动功能的MI-BCI在线模拟康复系统设计 在上述研究的基础上，以dobot机械臂模拟手臂康复训练设备，设计了基于MI-BCI的在线手臂运动功能康复系统。该系统在运动想象动作提示界面的基础上，通过调用采集仪的API接口程序，实时控制g.tec公司的g.MOBIlab+采集仪，实现脑电信号的同步采集;然后，利用C++和matlab混合编程，实现信号的在线特征提取与模式分类;最后，将识别结果通过串口通信输入到基于Arduino的dobot v1.2机械臂控制模块，控制机械臂的弯曲/伸展，从而实现手臂MI-EEG信号对机械臂的在线控制。实验结果表明:本系统具有良好的实时性，为MI-BCI技术应用于康复训练具有积极的促进作用。