论文部分内容阅读
脑-机接口(Brain Computer Interfaces,BCI)包括多种模式,其中运动想象脑-机接口(Motor Imagery Brain-Computer Interface,MI-BCI)通过解码运动想象激发脑电信号的节律变化,控制外部装置,应用领域广泛。本文以实现脑电信号控制智能机器人的前进、左转和右转为目标,以单次检测错误相关负电位(Error Related Negativity,ERN)为切入点,进而实现系统自主识别错误的运动想象分类,重点解决MI-BCI工程系统中反馈效果差的问题。研究过程中,以三分类运动想象测试对象,着重解决基于ERN反馈的MI-BCI系统的结构设计、实验范式的设计、运动想象特征提取技术、ERN反馈装置技术、ERN单次特征提取及检测技术、系统控制平台的搭建等一系列工程技术问题。主要完成工作包括:(1)设计了在线运动想象诱发ERN实验范式。实验基于运动想象在线处理系统,采用屏幕显示运动想象分类识别结果诱发ERN;通过对屏幕显示出现时刻打标,定位ERN的起始点,完成对受试者感知错误时刻准确定位,为后续ERN时域分析提供可靠时间参考点。(2)设计了运动想象在线处理系统。运动想象脑电信号在线分类识别,是基于ERN反馈的MI-BCI系统的核心环节。对比常用运动想象特征提取算法:小波变换(Wavelet Transform,WT)、小波包分解(Wavelet Packet Decomposition,WPD)、共空间模式(Common Spatial Pattern,CSP)和AR功率谱估计算法。结果显示,多类CSP提取运动想象特征分类效果最佳。确定采用多类CSP算法提取运动想象特征向量。(3)设计了ERN反馈装置。基于ERN反馈的MI-BCI系统的核心环节是系统自主识别错误的运动想象分类。利用个体产生ERN的生理机制,设计用于MI-BCI系统的ERN反馈装置,以及ERN单次检测算法,完成实时检测ERN,实现系统自主识别错误的分类。(4)设计了ERN单次检测算法。ERN信号微弱,波幅约10μV,信噪比低,个体差异大,波形一般需经多次叠加平均获得。针对单次提取特征困难的问题,首先基于诱发ERN时的大脑活动模式图,优选脑电通道;进而采用小波变换方法,提取ERN在低频段上的时域特征与高频段上的时域、频域特征;最后以此低维特征组合,得到70.4%ERN单次检测正确率。(5)实现了基于ERN反馈的MI-BCI系统。采用Neuroscan 64导脑电采集系统记录EEG,对运动想象EEG在线分类识别;通过识别结果屏幕显示,诱发/未诱发ERN;采用ERN单次检测算法,实时检测ERN,识别错误的运动想象分类;对纠正后的运动想象分类,进行指令编码;采用WI-FI发送指令,控制智能机器人运作。采用多名受试者测试系统,实验结果表明:实现了MI-BCI系统自主识别错误的运动想象分类,最高提高17.3%的外部装置控制正确率,平均提高6.1%的外部装置控制正确率。