便携式运动想像脑机接口系统设计

发布时间：2020-03-19 16:01

【摘要】：运动想像脑机接口(Motor Imagery-based Brain Computer Interface,MI-BCI)技术在运动控制、神经康复和特种工业环境下的智能作业等领域有着巨大的应用价值。MI-BCI技术由于其涉及到的神经机制与运动密切相关,因此在提升患者的运动控制能力、脑区信息处理效率以及脑瘫痪康复训练中能发挥重要作用。国内外许多研究团队均研发出了能够实时输出控制命令的在线MI-BCI系统,但是由于受脑电(Electroencephalogram,EEG)采集技术限制,便携性差,操作繁琐等因素的影响,大部分MI-BCI系统仍停留在实验室阶段。近年来,基于FPGA和ARM的便携式平台处理器性能有了很大的提升,其算法处理和运算速度都有革命性的突破,可以应对大部分BCI系统中的运算任务,为了促进MI-BCI技术的实用性发展,本文研发了一种便携式MI-BCI系统,系统采用FPGA和ARM相结合的多核异构处理器作为核心控制器,运行ARM Linux移动平台操作系统,实现了2类MI任务的实时控制和分类结果反馈,该系统操作简便,体积小,可以与外骨骼机器人和电控轮椅等康复训练辅助设备配合使用,能够提升患者的生活质量并进行康复训练。本系统主要工作包括便携式系统搭建、MI算法移植以及MI-BCI系统应用程序开发三大部分。其中便携式系统搭建包括了基于FPGA的ADC控制器、IIR滤波器和FIFO存储器的实现以及数据读取设备驱动程序设计;MI算法移植部分主要完成了基于~2的特异性频带确定算法、共空间模式(Common Spatial Patterns,CSP)空间滤波器算法和线性判别式分析(Linear Discriminant Analysis,LDA)算法的C++移植。MI-BCI系统应用程序包含了EEG信号显示程序和MI-BCI交互程序两部分,实现了EEG信号采集与显示、任务提示与反馈、训练任务参数估计和测试任务实时分类反馈等功能。最后,为了测试该系统能否正常工作,对系统的FPGA数据采集、EEG信号显示、IIR滤波、MI算法以及系统整体功能进行了测试,通过15名受试者进行MI-BCI实验测试得到本系统的平均准确率为80.6%,测试结果表明,本系统能够达到现有的基于PC平台的系统同等水平的准确率,满足现有的应用需求。
【图文】：

大脑皮层,感觉运动,能量,节律

如脊髓损伤、脑瘫、肌萎缩侧索硬化症和锁定综合征等。这些患者的脑功能正常，但外周神经系统和肌肉组织受损，失去了自主性肌肉控制能力，无法与脑外世界良好沟通。许多研究表明，想像肢体运动或真正肢体运动时在大脑运动皮层都能检测到脑电 μ 节律（8-12Hz）和 β 节律（16-25Hz），即感觉运动节律（SensorimoterRhythms,SMR），能量会降低，而想像结束后，能量又会升高。研究人员认为，这可能反应了对应脑区神经元群同步性的降低或提升，分别称之为事件相关去同步（ Event related de-synchronization ，， ERD ）和事件相关同步（ Event relatedsynchronization，ERS）[29,30]。现有研究表示，ERD 现象能在大部分人进行 MI 时检测到，而少部分人才能检测到 ERS[31]。此外，想像不同部位的身体运动会在该身体部位相对应的感觉运动大脑皮层产生 ERD/ERS[32]。MI-BCI 系统的生理基础是通过对大脑皮层不同区域的 ERD/ERS 信息的识别来确定受试者的运动意图[33]。ERD 特性如图 2-1 所示，由于对侧效应，当左手进行 MI 时，位于大脑右半球的 C4电极采集到的感觉运动大脑皮层处的 SMR 的能量下降；相反，当右手进行 MI 时，位于大脑左半球的 C3 电极采集到的感觉运动大脑皮层处的 SMR 的能量下降。

信号采集,实物,模块,电极线

图 2-2 便携式 MI-BCI 系统框架模块采集模块实物如图 2-3 所示，包括 EEG 放大中电池、EEG 电极帽和电极线都是购买的现大器是在实验室多年的研究基础上修改的，其进行简单的介绍。任务提示与反馈特征提取模式分类
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.52;R496

【相似文献】