基于滑动窗ICA的信号包络检测及其在脑－机接口中的应用.docVIP

  基于滑动窗 ICA 的信号包络检测及其在脑 －机接口中的应用# 吴小培，宋俊可，郭晓静，巩笑晓* 5 10 （安徽大学 计算智能与信号处理教育部重点实验室，合肥 230039） 摘要：脑电基本节律的包络变化与脑思维状态有着密切的关系，这一特点被广泛应用于脑－ 机接口的算法设计与系统实现中。本文提出了一种基于滑动窗独立分量分析(ICA)的信号包 络在线检测新方法。论文对算法的有效性进行了详细的分析论证，发现滑动窗 ICA 算法不 仅具有良好的盲源分离性能，并且 ICA 动态混合模型参数能有效表达源信号的幅度调制信 息。论文将所提算法应用于脑电 mu 节律的包络检测和运动想象分类，并进行了在线脑－机 接口系统的实现和测试，获得了较好的运动想象在线识别效果。 关键词：独立分量分析；Infomax 算法；滑动窗；运动想象 中图分类号：R318 15 The envelope extraction based on sliding window ICA and its application to brain - computer interface Wu Xiaopei, Song Junke, Guo Xiaojing, Gong Xiaoxiao (The Key Laboratory of Intelligent Computing Signal Processing Anhui University,Hefei 20 25 30 35 230039) Abstract: The mental state has a close relationship to the envelop changes of basic rhythms of EEG and this feature is widely used in algorithm design and system implementation of brain-computer interface(BCI). In this paper, we put forward a new method of applying ICA algorithm based on sliding window to the online envelope extraction of signals. By a detailed analysis and demonstration of the efficiency of this algorithm, we find that ICA algorithm based on sliding window not only has a better blind source separation performance, but also can give the amplitude modulation information of the source signal by the ICA dynamic mixture model parameters. This paper applies the proposed algorithm to envelope extraction of the mu rhythm of EEG and motor imagery classification. At last, the implementation and testing of an online BCI system based on ICA algorithm is described and a better online recognition results are achieved. Key words: Independent component analysis; Infomax algorithm; Sliding window; Motor imagery 1 引言 从 20 世纪 70 年代至今，脑－机接口(Brain-Computer Interface: BCI)技术的发展已经历 了近 40 年的时间。如今，脑－机接口研究的重要科学价值和潜在应用价值得到了广泛的认 可，国内外很多实验室都成功实现了形式多样的在线脑机控制实验系统，建立大脑和计算机 间的直接控制通道已成为可能 [1-7] 脑－机接口是一种特殊的人机交互和控制方式，从信号与模式识别的角度来看，BCI 40 系统可分为三个模块，即：神经元活动信息获取；信号处理与模式识别；通信与控制。 基金项目：国家自然科学基金资助项目；博士点基金（200803570002） 作者简介：吴小培（1966 年），男，教授