论文部分内容阅读
现今,在脑科学和信号处理技术的迅猛发展下,脑机接口设备逐渐应用于临床医学、军事、游戏等领域。脑认知特征提取方法是脑机接口设备研发基础,由于脑机接口技术需要实时地完成人机交互任务,所以脑认知特征提取方法也急需一种具有高时间分辨率和能够实时分析的脑电信号处理方法。本文利用Kalman滤波方法进行认知活动特征提取。将脑认知特征提取问题划分成两个子问题:单通道脑电信号特征提取和多通道脑电信号特征提取。(1)在单通道脑电信号研究部分,本文提出了单次诱发成份的自适应卡尔曼滤波提取方法,以及自适应诱发成份优势区间分离机制算法。该算法利用了脑电诱发成份和自发成份的幅值变化速率的差异,定义了测量余量和估计幅值两个参数,以两参数为标准该算法可自动区分脑电信号中诱发成份优势区间和噪声优势区间,实现单通道脑电信号单一或少量诱发成份的精确提取。同时进行了针对模拟诱发成份和真实诱发成份的方法验证实验,其中真实诱发成份数据通过Oddball范式下的视觉脑认知实验获得。并将该方法应用于脑机接口系统中的单次诱发成份检测,结果表明该方法可有效提升脑机接口系统的识别正确率,高达92%。(2)在多通道脑电信号研究部分,本文建立语音冲突认知活动模型,提出基于Kalman滤波状态追踪的时变脑网络分析方法。该方法在现有的多变量自回归模型的基础上,采用Kalman滤波方改进多变量自回归模型的系数估计,再通过有向传递函数的因果分析方法获取包含频域信息的效应脑网络模型。同时以Stroop实验范式采集了听觉脑认知实验数据,进行了语音冲突脑网络构建与分析实验,结果表明该方法能够提取了语音冲突的脑网络的结构特征和频域特征,解决了脑认知活动下大脑内部信息传递的获取,以及大脑神经连接动态演化过程的探究。本文的所提出的认知活动动态特征提取方法能够很好地分析脑电信号时域、频域、空间域信息,为脑电信号建模和特征提取提供了新思路。