脑—机接口及其信号单次提取.pdf

摘 要 直接用大脑思维活动的信号与外界进行通信 实现 心与心 的交流 甚至达到 对周围环境的控制 是人类自古以来就追求的梦想 脑 机接口 Brain-Computer Interface: BCI 这种新颖的人机交互模式提供了实现这一梦想的科学途径 人们希 望这种全新的通信技术能够用于辅助控制交通工具 武器和其它系统 特别为那些神 经肌肉受损 不能使用常规通信手段的残疾患者提供与外界进行交流的另一途径 所谓脑 机接口 是一个不依靠外周神经和肌肉组织等通常的大脑输出通道的通 信系统 近5 年来 这一领域的研究逐渐形成了热点 世界上数十个研究小组已开发 出多种形式的BCI 实验系统 其中已有3 种脑控键盘的报道 但它们的共同问题一是 以低频闪烁方式提供视觉诱发信息 容易造成使用者的疲劳 二是通信速度太低 只 有5 27 比特/分钟,很难满足实际需要 有鉴如此 我们在国家自然科学基金的资助 下 开展了基于 模拟自然阅读 诱发模式的脑控拼写装置的研究 试图使该系统的 通信速率达到90 比特/分钟 并以更自然的方式给用户提供一种舒适的使用环境 在这个系统中 通信载体 信源编码 虚拟键盘的设计和脑 机接口信号的单次 提取是四个最核心的问题 在前两个问题已基本解决的情况下 本文就后两个问题展 开了深入的研究 研究内容 结果与创新点如下 1. 调研了脑 机接口的起源 意义 定义 分类 信号特点 信号处理及模式 识别方法 目前研究的现状及面临的挑战等 进行综合分析后 指出了目前 存在的不足及其发展方向 提出了我们的解决方案 成果发表在附录1的 1 2 6 中 2. 提出了一个新颖的 双页虚拟键盘 方案 并对其按键位置的排布进行了合 理的设计 它弥补了常规脑控拼写装置中信源数量增多将导致选择单个信源 时程偏长的不足 分析表明 这种设计在原有设计指标的基础上 通信速率 将有约70 的提高 可达150 比特/分钟以上 是现有BCI 系统的5 20 倍 这部分的研究成果发表在附录1的 4 5 中 3. 对BCI 通信载体信号进行了谱分析 发现非靶刺激与靶刺激所诱发的VEP 信 号的相对功率谱 在5Hz 以下有较大的变化 可达15db 以上 而在10Hz 以 上却基本没有变化 这为后续降低特征维数 提高信号处理速度提供了理论 I 依据 在短时程范围内 可以认为脑电信号是平稳的 我们用非靶刺激信号 形成自回归模型参数 然后以此参数组成的白化滤波器对靶刺激和非靶刺激 信号进行滤波 试图最大限度地去除自发脑电的影响 突出信号特征成分 对上述处理后的到的结果进一步实施小波分析 可以更为有效地提取特征信 号 使模式分类效果更为理想 我们提出采用N2 成分作为特征量的思想 还 利用独立分量分析 Independent Component Analysis: ICA 进行了提取N2 成分的实验 面对独立分量位置和极性不确定的难题 在原有算法的基础上 提出了一个N2 双极性阈值算法 较好地解决了这一难题 强化了N2 特征 使我们仅利用此一短时程特征量进行信号的单次提取成为可能 部分研究成 果发表在附录1的 3 7 中 4. 实现了基于支持向量机 Support Vector Machine, SVM 的BCI 通信载体单 次提取的模式分类算法 该算法结合了基于自回归模型的自适应噪声抵消和 基于 ICA 特征提取与增强的技术 通过对多通道 单通道 多时程 多时段 等各种特征组合下信号单次提取实验研究 结果表明 模式识别准确率达 95 以上 部分研究成果发表在附录1的 3 7 8 中 关键词 信号处理 模式识别 脑电图 诱发电位 脑 机接口 单次提取 支持 向量机 独立分量分析 II Abstract It’s an ancient dream of human that using their mind to control or communicate with peripheral circumstance directly. Brain-Computer Interface BCI technologies revealed the scientific approaches to make the dream coming true. This novel method gives a valuable new option for individuals who cannot use conventional communication systems that depend on peripheral