论文部分内容阅读
脑机接口(Brain-Computer Interfaces,BCI)是能让人脑与计算机或者电子设备直接进行信息传递的传输通道,其中以基于脑电信号(Electroencephalograph,EEG)的脑机接口技术最为常用。近年来脑机接口在医疗康复、军事航天和生活娱乐等领域有了快速的发展,便携化的移动脑机接口系统成为将脑机接口技术推广到现实应用中的关键。移动脑机接口设备由于电极容易受到干扰以及使用者处于运动状态,对伪迹消除算法产生很大的依赖。独立成分分析算法能够有效地提取出脑电信号中的伪迹成分,是常用的伪迹消除算法之一,但对于成分的选择需要专业人员处理,不利于推广到现实的运用中,因此本论文以独立成分分析为基础,提出了基于模式分类的自动伪迹消除方法,研究内容主要包括:(1)通过研究基于P300诱发电位和稳态视觉诱发电位SSVEP的不同脑机接口系统的实验设置和信号特性,对两种脑电信号的独立成分进行对比和手动消除,得到消除后的脑电信号和伪迹成分。为了得到较好的伪迹成分,本文采用三种不同的独立成分分析(Independent Component Analysis,ICA)对脑电信号进行伪迹提取,包括Infomax、Jade和FastICA算法,通过对比不同独立成分的特点,并根据伪迹成分的生理特性对伪迹进行手动选择消除。结果显示三种独立成分分析都能够对脑电信号得到较好的伪迹提取成分和手动伪迹消除效果。(2)本文以P300脑机接口系统脑电信号的伪迹成分作为训练样本,在时域、频域和空域上一共提取出十个不同的特征,训练出一个基于贝叶斯线性判别分析(Bayesian Linear Discriminant Analysis,BLDA)的伪迹自动分类器,分别对P300脑电信号和SSVEP脑电信号进行伪迹成分识别和消除后,与手动伪迹成分选择作对比结果相近,伪迹消除后得到的脑电数据也较为干净。由此验证了提取的十个特征都是不同的脑电信号共同具有的一般性特征,证明了该伪迹自动分类器对不同脑电信号也具有泛用性。(3)通过自动伪迹消除算法对P300脑电竞赛数据和SSVEP高速脑机接口数据进行伪迹消除,对得到的脑电数据进行识别分类,伪迹消除后的分类准确率和信息传输率对比伪迹消除前有明显的提升,验证了自动伪迹消除算法对提升脑机接口分类性能的有效性。根据以上研究内容,本论文的创新点在于通过对不同类型脑机接口系统进行研究,对比分析多个ICA实现算法的成分分离效果,为自动伪迹消除算法提供了一个基于特征提取和模式分类的设计思路,并验证了伪迹消除算法对脑机接口性能影响的重要性,同时还得出独立成分分析作为伪迹提取算法的具有成分分离不完全的局限性以及对未来的伪迹消除算法研究方向。