模拟阅读型脑-机接口信号分类研究.pdfVIP

第 45卷第 3期 华 中师范大学学报(自然科学版) V01．45 No．3 2011年 9月 JOURNALOFHUAZHONG NORMALUNIVERSITY(Nat．Sci．) Sept．2011 文章编 号 ：1000—119O(2O11)03—0391-05 模拟阅读型脑一机接 口信号分类研究 朱学才 ，李 梅 ，邹思轩。 (1．九江职业技术学院 继续教育部 ，江西 九江 332007； 2．中南 民族大学 生物医学工程学院，武汉 430074；3．华 中科技大学 电子与信息工程系，武汉 430074) 摘 要 ：脑一机接 口(BCI)研究中的一个关键 问题是如何正确地对 EEG信号进行模式分类 ，以输 出 控制命令．本文在对 “模拟 自然 阅读 ”模式下非靶刺激和靶刺激诱发的EEG进行去均值 、低通滤 波、下采样和归一化等处理后 ，结合对视觉诱发事件相关 电位时域特征分析 ，提取 出最佳特征量 ， 分别利用 BP神经网络和线性感知器算法对这些特征模式进行 了分类．最终平均识别正确率分别 达到 87 和 84 以上．对 比研 究表 明，BP神经 网络算法 的分类效果较好 ，推测这是 由于大部分 EEG模式线性可分 ，只有 1O 左右线性不可分但非线性可分造成 的．为提高分类正确率 ，简化 BCI 设计，详细研究了信号时程、时段的选择以及通道的选取对模式分类精度的影响．结果表明，信号 时程越长分类精度越高；信号时段 的选择对分类精度亦有较大的影响．通过实验发现 ：32个通道 中，选取第 14(P03)通道 的EEG进行模式分类 的精度最高． 关键词 ：脑一机接 口；模式识别 ；BP神经网络 ；感知器算法 中图分类号 ：TP391．4 文献标识码 ：A 脑一机接 口(Brain—ComputerInterface：BCI)是 (将第 2秒分成 10个刻度 ，每个刻度相差100ms)， 一 个不依靠外周神经和肌 肉组织等通常的大脑输 每次实验记录的时程为 2S(第 1秒和第 2秒)，采 出通道的人一机通信与控制系统[1]．本文采用 了BP 集 4096个样本．一共进行了 104次重复实验．对每 神经网络和感知器算法 ，结合 EEG信号的空一时特 一 个被试者 ，每次选择作业的 4096个采样数据记 征，对在 “模拟 自然 阅读”诱发模式下产生 的脑一机 录为一个 Matlab数据文件 ，格式为 ：通道号×样本 接 口信号进行分类 ，以期找到最佳分类器l2]． ×作业号 (32×4096×104)．实验 中使用的脑 电信 号采集设备为 Biosemi公 司 的 32道脑 电图仪 1 实验模式 EEG／ERP． 本实验记录了在 “模拟 自然 阅读”EEG模式下 靶刺激和非靶刺激所引发的EEG信号 ，然后 ，对靶 标和非靶标所诱发的EEG进行模式分类．“模拟 自 (b) 然 阅读”模式描述如下：一个被试者 以舒适坐姿坐 在监视器前面．屏幕背景为黑色 ，中央开有一个 20 ×2O像素的小视窗 ，让 由非靶刺激 (图 1(b))与靶 刺激 (图 1(a))组成的符号串(图 1(c))中的符号逐 个从右向左匀速通过屏幕 中央的小视窗 ，要求从这 图 1 本实验所用 的诱发符号串的举例 Fig．1 Examplesofsymbolstringusedintheexperiment 个小视窗中搜索包含在符号串中的指定 目标符号 (图 1(a))，从而得到视觉诱发电位．每次记录以一