基于想象運動腦機接口的特征提取方法研究.pdf

1、基于想象運動的腦機接口為運動功能嚴重受損的癱瘓病人提供了一種恢復(fù)與外界交流及部分運動輸出能力的有效手段。伴隨想象運動輸出的事件相關(guān)同步/去同步的生理學(xué)現(xiàn)象奠定了這類腦機接口的生理學(xué)基礎(chǔ)。由于大腦活動的復(fù)雜性，僅僅想象運動的機制仍未能完全了解清楚，以及其因人、因時而異的特點，到目前為止，想象運動的分類正確率普遍還不高，且個體差異性很大，因而限制了此類腦機接口的實際應(yīng)用范圍。針對想象運動的腦機接口中存在的分類正確率不高以及每次實驗或應(yīng)用時都

2、需要較長時間的重新訓(xùn)練兩大問題，經(jīng)分析可以從信號采集、特征提取以及模式分類等幾個環(huán)節(jié)入手改善，本文主要圍繞特征提取這一重要環(huán)節(jié)展開了如下工作：
　　針對分類正確率不高這一問題，本文分別對多通道腦電信號以及少通道腦電信號兩種情況進行分析、研究。在多通道腦電信號應(yīng)用中，由于大量通道間的腦電信號存在很強的空間相關(guān)性、節(jié)律活動的頻段存在個體差異性以及非平穩(wěn)性，針對腦電信號的這一特點，本文在特征優(yōu)選框架下，提出了同時優(yōu)化時間段分布、通道分布

3、以及優(yōu)選空頻特征的時、空、頻聯(lián)合優(yōu)化方法以提高原始信號的信噪比、提取想象運動中最有區(qū)分度的信息。為了彌補傳統(tǒng)的空間濾波器算法中存在的特征提取無法與最小貝葉斯分類誤差率建立直接聯(lián)系的缺點，本文繼而深入研究了基于極大化互信息熵的空頻特征優(yōu)化問題，在這一優(yōu)化框架下，我們提出了基于坐標輪換思想的梯度上升優(yōu)化方法來優(yōu)化目標函數(shù)，將本文提出的空頻特征優(yōu)化方法以及時、空、頻聯(lián)合優(yōu)化方法與現(xiàn)有的研究工作作比較，可以發(fā)現(xiàn)本文提出的方法具有明顯的分類正確率

4、優(yōu)勢。
　　針對少通道腦電信號的應(yīng)用情況，由于在此情況下信號本身空間信息量有限，如何最有效的利用頻域信息成為彌補空間信息量不足的一條解決途徑。本文提出利用高階統(tǒng)計量分析工具―雙譜分析方法來提取腦電信號中多個頻帶間非線性作用以及非高斯性的區(qū)分度信息。與傳統(tǒng)的二階矩分析方法相比較，本文研究的多頻帶下積分雙譜特征能夠提取腦電信號中多個頻段非線性作用的信息，通過實驗數(shù)據(jù)分析可以發(fā)現(xiàn)多頻帶雙譜特征可以挖掘出優(yōu)于傳統(tǒng)帶通能量特征的區(qū)分度信息，

5、從而為提高少通道下想象運動的分類正確率提供有效的途徑。
　　為了減少腦機接口訓(xùn)練時間，增強其長期服役性能，本文研究了同時更新共空域模式CSP特征抽取矩陣與半監(jiān)督自適應(yīng)分類器參數(shù)的學(xué)習(xí)算法對減少訓(xùn)練樣本數(shù)目的作用。通過利用無標簽的測試數(shù)據(jù)來擴充樣本量有限的訓(xùn)練集數(shù)據(jù)，本文提出的算法經(jīng)實驗數(shù)據(jù)分析表明，此方法為減少腦機接口的訓(xùn)練樣本提供了一種有效的解決方法。
　　本論文的主旨在于通過理論與實驗數(shù)據(jù)分析相結(jié)合，為提高腦機接口的分類