基于ica的bci多动作模式erders信号分析及识别技术研究based on ica bci action pattern erders signal analysis and identification technology research.docx

中文摘要
脑一机接口(putcr IntcrfaCe, BCI)是在人脑和计算机或其它电子设备之间建立的一种直接信息交流和控制通道。由于其在康复工程、脑科学研究、人工智能等领域的重要应用价值,脑一机接口正成为研究热点之一。
本文的研究对象是想象动作过程中产生的事件相关去同步(Event Related
Desynchron妇ion,EItD)/事件相关同步(Event Relatcd Svnchron讫ation,ERS)。
目前所见到的文献中对左右手产生的E啪RS信号讨论较多,对于其特征频段
以及对应的大脑皮层活动区域已有较为可信的研究成果,但却很少见到关于脚和
舌部动作产生的E啪RS信号的报道,对于这两种动作的特征频段和对应的脑
部活动区还没有得到一个有说服力的结果。本课题的主要工作就是对左手、右手、脚、舌头四种想象动作诱发的
ERD/ERS信号的分析和分类提取,得到关于四种动作模式E啪RS信号的特征
(重点是脚和舌部动作),并利用这些特征寻求有效的动作模式分类识别算法。 petition 2005 dataIIIa,是由奥地利Gr吃工业大学BCI实验室采集的,有很好的可靠性。我们用多种方法包括时频图谱法
(Time—Frequency ,TFS)、功率谱密度(Power Spec仃al Dens时,PSD)
曲线法、EIm/ERS系数法和脑地形图法以及基于独立分量分析(Independent
Component Analysis,ICA)的频域一空间滤波方法对四种动作模式的实验信号进行了细致的分析。不仅印证了文献中关于左右手动作的结论,还使我们对脚和
舌头动作的ERD/ERS特征信息有了较清晰的认识,包括E啪RS明显的特征
频段,与其它动作区分度好的导联一频率,以及对应的脑部活动区。在此基础上, 我们用多种方法对实验信号进行了特征提取和分类,结果证明基于ICA的信号提取算法和基于支持向量机(Suppon Vector Machine,SⅥ订)的分类方法的结合是识别想象动作电位思维模式非常有效的手段。这种算法取得了较高的分类正确率(%,%),后经改进在保持较高分类正确率的前提下大大缩短了计算所需的时间(降低到原来的15%~20%),为最终实现
基于想象动作电位的实时BCI系统奠定了基础。
关键词:脑一机接口(BcI),事件相关去同步/同步(E对)/ERs),时频图谱(TFs), 功率谱密度(PsD)曲线,ERD/ERS系数,独立分量分析(ICA),支持向量机(SVM)
AB STRACT
puter Inte隋配e(BCI)is t0 establish a direct info咖ation觚d control channel between the human bmill种d puter or other eleC仃0nic itS great Value in the research arcas of me rehabilitation engineering,brain Science, anificialintelligence锄d so on,BCl research is ing one oftlle hot issues.
The focus of this硪icle is on Event RelatI酣Desynchr0T1妇ion(ERD)/Event
Related Synchron函ion(ERS)、】I,hich exists in the process of motor the
ERD,ERS sigIlal,there haVe been a 10t of discussions 0n the ilIlagination of leR aIld ri曲t h卸d moVements with m明y reliable陀sults内r its characteriStic f砘quency band 锄d也e corresponding cortical actiVity ill廿le佗gion of cerebml cortex ill the the research on the向0t锄d tongue ERD/ERS signals is stilI linlited 锄d,their characteriStic的quency band锄d the∞玎espondiflg brain region are still
unconVincing.
The maill task of ttlis arti