基于P300和SSVEP的混合型脑机接口的分析与研究

发布时间：2020-09-19 22:00

　　为帮助肢体残疾障碍而大脑功能正常的病人更好独立地生活,近些年科学家提出了一种新的大脑与外界环境直接进行通信的模式,即脑机接口。脑机接口避开了病变的外围神经系统和肌肉组织,通过检测到的大脑的电活动变化控制外界设备或与外界环境通信。目前的脑机接口主要利用单一类别的EEG信号作为脑机接口的输入信号,而大脑思维是极其复杂的,单一类别的脑电信号只能用于简单思维任务的识别,不能满足实际应用的需求。融合不同类别的脑电信号构成的混合型脑机接口是近几年脑机接口范畴研究的一个重要方向。传统的字符拼写器是基于P300的经典脑机接口之一,它通过识别P300特征的确定字符所在的行和列从而实现字符的输入。为了提高字符拼写脑机接口性能,本文进行了混合范式的尝试,将SSVEP信号引入到传统的字符拼写系统中,融合P300实现并行控制的混合型脑机接口。具体内容如下：(1)首先,本文设计了基于P300和SSVEP的混合型字符拼写刺激范式。混合范式下共有两种形式的闪烁刺激,一种是每列字符所在的方框以固定频率的闪烁来诱发SSVEP,另一种是在行上的随机出现红色方框闪烁刺激来诱发P300。同时,设计了基于P300的对比范式。(2)分别对两种范式下的脑电信号进行特征提取与分类。混合范式下,融合时域小波分解和时域熵提取的具有可分性的P300时域特征,并利用SVM进行分类,确定目标字符的行。构建了与刺激频率一致的一组正余弦参考信号,利用CCA实现SSVEP的分类识别,确定字符所在的列,行列交叉得到混合范式下的目标字符。对比范式采用与混合范式P300相同的特征提取和分类方法,实现目标字符行和列的识别。利用字符识别正确率和信息传输率对比分析脑机接口的性能,结果显示相较于P300字符拼写系统,加入了SSVEP的混合范式字符拼写系统单个字符刺激诱发时间减少,而识别正确率和信息传输速率得到了提高。基于多种脑电特征信号的混合脑机接口改善了传统的字符拼写系统的性能,具有较好的应用前景。(3)此外,针对脑电采集过程中不可避免的眼电伪迹干扰,本文中提出了一种基于ICA-EMD的EOG伪迹自动消除方法。通过仿真结果可以看出,ICA-EMD结合的眼电伪迹去除方法去噪效果较好,且实验中无需测量眼电的参考信号即可实现自动消除,适用于在线的脑机接口系统。
【学位单位】：山东大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：R49;TN911.7
【部分图文】：

示意图,外部设备,人脑,示意图

Ｊａｃｑｕｅｓ邋Ｖｉｄａｌ教授在１９７３年首度提出了避开人正常的神经肌肉通道，在大逡逑脑和外界之间建立一个新的通道，使大脑可Ｗ直接和计算机进行通信的想法，即逡逑脑机接口（Ｂｒａｉｎ邋Ｃｏｍｐｕｔｅｒ邋Ｉｎｔｅｒｆａｃｅ，邋ＢＣＩ），如图１．１所示。在第一篇有关ＢＣＩ的论逡逑文中，Ｊａｃｑｕｅｓ邋Ｖｉｄａｌ详细阐述了脑机接口系统的实现町包括脑电采集的软硬件逡逑设计、信号处理方法Ｗ及脑机接口常用的脑电信号，如Ａｌｐｈａ波，诱发电位事逡逑件相关同步／去同步等。到２０世纪九十年代中期，国内外更多的科研机构和工作逡逑人员投入到脑机接口的研究中，掀起了脑机接口的热潮。１９９９年召开的第一届逡逑国际脑机接口大会给出了脑机接口确切的定义町即脑机接口不依赖于常规的大逡逑脑外周神经及肌肉组织输出通道，为大脑和外部设备之间直接进行交流通信提供逡逑新的通道技术。脑机接口不是读也术，而是将能反应人的意图和想法的脑神经活逡逑动的电信号利用计算机技术翻译成相应的指令，控制外界的设备或者进行通信。逡逑ＢＣＩ是脑神经科学和也理学、信号的检测与处理、模式识别等多个学科交叉的一逡逑种通信技术

框图,大脑活动,系统构成,框图

直接利用大脑对外部设备的有效控制。和传统的通信和控制系统一样，脑逡逑机接口技术系统由脑电信号输入、信号处理分析、指令输出、反馈等功能模块}D逡逑成，如图１．２所示。逡逑输入部分逦信号处理分析逡逑信号采集（采邋数字信号逡逑集、放大、滤逦１．邋特征提取邋逦分类识别逡逑波、Ａ／Ｄ转换）逡逑控制指令逡逑用户逦输出，逡逑反馈信号逦蠢＃逦Ｉ逡逑唆４邋＾逡逑Ｉ逡逑图１．２脑机接口系统构成框图逡逑脑机接曰系统的输入部分主要是通过电极帽装置采集大脑活动相关的电活逡逑动变化，将采集得到的脑电信号进行硬件放大、滤波Ｗ及Ａ／Ｄ转换等预处理将逡逑生物信号转为适合分析的数字信号存储在计算机中。逡逑脑机接口系统的信号处理分析模块是整个系统的核也部分，这部分将能够反逡逑映用户意图的有用的脑电信号转换成外界设备的能够识别的指令。该模块包含了逡逑特征提取和分类识别两大模块。特征提取阶段提取脑电信号中具有可分行的信息逡逑作为待识别的信号，采用有效的方法将信号映射到包含有效判别特征的向量上；逡逑分类阶段通过机器学习将特征向量进行分类，达到好的模式识别效果，产生相应逡逑的操作指令。信号处理分析模块作为脑机接日的中间步骤，在相同的训练强度情逡逑况下优化信号特征提取和分类的算法，可Ｗ有效地提高该ＢＣＩ分类识别的准确逡逑性

节律,肢体,信息传输率,感知运动

钟拼写０．１５－３个字母，信息传输率较低还不能满足实际应用的需求。逡逑心扁？）邋’兰一苗逡逑图２．２邋ＳＣＰ电位正向、负向波形变化逡逑基于ＳＣＰ的ＢＣＩ系统，被试者仅凭大脑自主的思维活动即可控制外围设备，逡逑不需要外界提供刺激装置，但受试者需要进行长期的训练才能获得可观的正确识逡逑别率，信息传输率低导致通巧速度较慢，送种脑机接口还与受试者自我调控的能逡逑力息息相关，不同个体之间有差异性。逡逑２．２．２基于感觉运动节律的脑机接口逡逑人在清醒状态进行肢体活动或者想象肢体活动时，大脑的感知运动皮层上会逡逑记录到相关的节律变化，称为感觉运动节律（Ｓｅｎｓｏｒ邋Ｍｏｔｏｒ邋Ｒｈｙｔｈｍｓ，邋ＳＭＲ），它包逡逑括所处频率范围与ａｌｐｈａ节律一致的ｍｕ节律（８－１２Ｈｚ），邋Ｗ及另一种伴随ｍｕ节律逡逑出现的１８－２６出的脑电信号ｂｅｔａ波Ｐ６’２７３。当人在大脑的控制下开始进行实际肢体逡逑运动或者想象肢体运动时

【相似文献】