运动想象脑—机接口中伪迹的影响分析及量化评估

发布时间：2021-09-25 11:19

　　脑-机接口（Brain-Computer Interface,BCI）技术能够在大脑与外部设备间建立起一条传输通道,从而实现人脑和外部世界的信息交流以及对外设的控制。该项技术在医疗康复、心理状态监测及军事等领域都有着广阔的应用前景。基于头皮脑电（Electroencephalograph,EEG）的BCI（EEG-BCI）是一种无创的BCI实现模式,相比植入式BCI,EEG-BCI具有更好的适用性。而头皮EEG在采集过程中极易受各种伪迹影响,由此而产生的低质量EEG训练样本会对EEG-BCI的性能产生不同程度的负面影响。在现有资料中,研究者提出了很多EEG伪迹消除方法,但不同类型的伪迹干扰对EEG-BCI系统的影响程度及其量化分析则少见报道。本文围绕运动想象BCI（motor imagery BCI,MIBCI）系统实现这一具体应用,对伪迹干扰的检测分类方法以及低质量训练样本对BCI系统性能的影响进行较全面地分析和研究,具体工作如下:（1）对三分类运动想象脑电信号（Motor imagery EEG,MI-EEG）及其分析方法进行介绍。根据来源和种类,对脑电信号中存在的伪迹进行了研究。... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

BCI技术

大脑在不受任意刺激时，大脑皮层的各部位仍然自发地生成节律性变化，这种变化产生的脑电信号被称为自发型脑电信号。自发型脑电信号通常表现出无规律性和不可预测性。与之相对的，当外界对大脑进行某些刺激时，在受到刺激的部位或者与对应感觉系统的脑功能区域会出现一定的电位变化，即诱发型脑电。通常来说，大脑受到相同来源的刺激时所产生的诱发性脑电信号具有相对固定的反应模式。根据这两种脑电信号，还可以做进一步的细分，其介绍如下： (1)自发型脑电。依据频段的区别可以将信号划分为不同节律，通常使用希腊字母表示，主要包括 α、β、μ、θ、δ 几种节律，如图 2.2 所示。

安徽大学硕士学位论文27后即可较有效提高目标信号信噪比。基于ICA方法的这一应用，我们可以对脑电信号中的多种伪迹进行识别与去除，并对去除不同伪迹前后MI-BCI系统的性能进行对比，从而对伪迹所造成的影响进行量化分析。3.3.2ICA空域滤波器的设计为了通过空域特征处理基于运动想象的EEG信号，需设计ICA空域滤波器。该滤波器取自于前文中迭代所得分离矩阵W的列向量，并用于寻找信号中与运动有关的EEG成分。问题在于，经ICA方法对混合信号进行分离后，所得到的独立分量中除去EEG节律外，还包含了一些较明显的伪迹以及一些未知意义的分量。如何在这些“真伪相乱”的信号“披沙拣金、去芜存菁”，确定我们需要的运动相关独立分量(Motor-relatedindependentcomponents,MRICs)对提取MI-EEG的特征以及BCI系统的设计来说显得十分重要。本文中采取的方法是实验室所提出的基于“主电极最大投影原则”的MRICs及其检测滤波器的自动选择方法[54]。通过比较ICA后得到的混合矩图3.4原始脑电信号Fig3.4RawEEGsignal图3.5ICA分离后的输出信号Fig3.5EEGsignalafterICAseparation


本文编号：3409633