手部MI-EEG多域特征提取与个性化采集系统设计

发布时间：2017-11-13 06:32

  本文关键词：手部MI-EEG多域特征提取与个性化采集系统设计

  更多相关文章： 运动想象脑电 多域特征融合 OEMD 脑电训练 镜像神经元

【摘要】：近年来,随着基础脑-机接口(Brain Computer Interface,BCI)的应用和神经学研究的发展,加速了计算机科学、医学、生物学等学科的不断汇聚。新一代的BCI逐渐与更先进的技术和智能工具相结合,应用的多样性慢慢开始显现。脑科学研究上升至国家战略,我国在脑科学研究方面也取得了重要的进展。脑-机接口的研究与应用领域逐渐向生活娱乐、航空军事、康复医疗等多元化方向发展。不少国内外的科研机构已经从以动物为研究对象初步探索BCI的阶段迈向了以人为研究对象的阶段,并且均取得了令人振奋的研究成果,为脑-机接口从实验室走向大众生活奠定了扎实的基础。人们在进行运动想象时和实际运动时会激活相同的脑区,因此,运动想象脑电信号(Motor Imagery Electroencephalograph,MI-EEG)有着重要的研究意义和价值。本课题以MI-EEG为研究对象,从特征提取、多域特征融合的角度分析了两种运动想象脑电信号,并对各类脑电信号特征之间相关性进行分析,以提高脑电信号的识别率。为进一步促进MI-EEG在康复领域中的应用,增强脑电信号的强度,本文设计了个性化的脑电训练采集系统,以期从脑电信号产生源改善信号质量。论文的主要研究内容如下:(1)基于非线性分析和OEMD的MI-EEG特征提取与相关性分析本文从非线性角度对MI-EEG进行研究分析,通过相空间重构、计算EEG的最大Lyapunov指数、近似熵(Approximate Entropy,ApEn)以及样本熵(Sample Entropy,SampEn)等非线性特征,证实了脑电信号的混沌特性。同时,采用正交经验模态分解(Orthogonal Empirical Mode Decomposition,OEMD)提取了MI-EEG的固有模态分量,计算相应的能量均值特征,并与非线性样本熵特征进行线性相关性分析。结果表明:对MI-EEG特征进行简单的融合并不能有效提高分类精度,特征之间可能存在着极强的相关性,不具备特征互补特性。这为特征融合过程提供一个重要的分析手段。(2)基于OEMD的多尺度相位同步指数特征提取及多域特征融合为提高运动想象脑电信号的识别率,本文提出一种基于多尺度相位同步指数的(multi-scale Phase Synchronization Index,mPSI)脑电特征提取方法。该方法对每导MI-EEG信号进行正交希尔伯特黄变换(OrthogonalHilbert Huang Transform,OHHT),进而求得各IMF分量的多尺度相位同步指数作为相位特征,并与基于OHHT提取的时频域能量特征及共空域子空间分解(Common Spatial Subspace Decomposition,CSSD)提取的空域特征进行串行融合。基于Graz大学提供的BCI Competition III数据集I,选用增量式支持向量机(Incremental Support Vector Machine,ISVM)分类器进行实验研究,对左手小分类器指与舌头两类运动想象任务脑电信号的识别率提高至96%。对三类特征之间的线性相关性进一步分析,结果显示脑电信号相位特征的有效性以及与能量特征和空域特征间的互补性。(3)基于镜像虚拟的个性化MI-EEG训练采集系统设计脑电信号的识别率除了受特征提取与识别方法的影响以外,脑电信号本身的质量更不可忽视。为充分调动受试者的内动机,增强运动想象时脑电信号的强度,将康复治疗领域的镜像疗法融合到MI-EEG的训练与采集过程中。在Qt Creator开发环境下设计了基于镜像虚拟的个性化MI-EEG采集系统,以有效改善脑电信号质量。在训练模式中设计个性化视听联合刺激,受试者佩戴数据手套,健侧手执行张/握动作,利用计算机串口实时读取并解码手部动作的数据并控制界面中相应动画。在采集模式下受试者观察自身健侧手镜像的张/握动作动画,有效加强大脑对侧运动功能区镜像神经元的电活动,实现提高MI-EEG信号质量的目的。
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R318;TN911.7
，

本文编号：1179527