（通信与信息系统专业论文）多任务脑机接口导联选择与分类算法研究.pdf

摘要 摘要 近年来，脑机接口系统的发展得到了众多国内外研究人员的关注，并成为 神经工程领域一个新的研究热点。随着脑机接口的不断发展，研究人员正试图 将b c i 技术应用到实际生活中。但是，对基于运动想象的脑机接口系统，当导 联数目过多时会导致共空域模式算法的性能降低，因此脑机接口系统一直难以 在现实生活中应用。另外，随着导联数目的增加，多通道脑电信号的记录需要 复杂的准备工作以及复杂的计算过程，既费时又可能降低分类正确率。 为解决此问题，本文提出四种导联选择算法：第一种是二进制多目标粒子 群优化算法( b m o p s o ) ；第二种是基于培养的多目标微粒群优化算法 ( c m o p s o ) ；第三种是l 1 - n o r m 算法；第四种是基于滤波器组的c m o p s o 算 法( f b m o p s o ) 。b m o p s o 算法和两种c m o p s o 算法都是基于微粒群( p s o ) 的，微粒群优化是一种启发式研究技术，它是对鸟群寻找食物时的活动规律性 进行建模与仿真。起初，p s o 算法主要用来解决单目标优化问题，m o p s o 算法 是p s 0 算法的扩展，它在解决多目标优化问题中应用也越来越广泛。大部分 m o p s o 算法在整个进化过程中对所有粒子使用固定的权重和加速度，与 b m o p s o 算法不同，c m o p s o 算法通过引入一个培养架构去适应变异粒子的个 体飞行参数。第三种算法是典型的l 1 n o r m 算法，这个方法对两分类数据能够选 择较少的导联数目。 另外，本文用三种分类算法对脑电数据进行分类：支持向量机( s v m ) 、k 近邻法( k 小n ) 和b p 神经网络算法。 最后，分别对三种分类算法和四种导联选择算法进行实验仿真。仿真结果 表明，三种分类算法中，支持向量机和k 近邻法分类效果比b p 神经网络好。四 种导联选择算法在没有降低分类正确率的情况下，基于f b m o p s o 算法能够选择 更少的导联数目。 关键词：脑- 机接口；多类c s p ；滤波器组；导联选择；多目标微粒群优化； 特征分类 a b s t r a c t a bs t r a c t t h e d e v e l o p m e n to fb r a i n c o m p u t e ri n t e r f a c e s y s t e mh a sa t t r a c t e d l o t so f r e s e a r c h e r sa th o m ea n da b r o a d ，a n di th a sb e c o m e sar e s e a r c hf o c u si nn e u r a l e n g i n e e r i n gf i e l di nr e c e n ty e a r s w i t ht h ed e v e l o p m e n to fb r a i n c o m p u t e ri n t e r f a c e r e s e a r c h e r sa r en o wa t t e m p t i n gt op u tc u r r e n tb r a i n c o m p u t e ri n t e r f a c et e c h n i q u e s i n t op r a c t i c a l a p p l i c a t i o n h o w e v e r , t h eb r a i n c o m p u t e ri n t e r f a c es y s t e mb a s e do n m o t o ri m a g e r yi ss t i l ln o tu s e df o rr e a l - l i f e a p p l i c a t i o nd u et ot h ed e c r e a s i n g p e r f o r m a n c eo fc o m m o ns p a t i a lp a t t e r na l g o r i t h me s p e c i a l l yw h e nt h en u m b e ro f c h a n n e l si s l a r g e i na d d i t i o n ，w i t ht h ei n c r e a s eo ft h en u m b e ro fc h 锄e l s m u l t i 。c h a n n e le e g s i g n a l sn e e di n c o n v e n i e n tr e c o r d i n gp r e p a r a t i o na n dc o m p l i c a t e d c a l c u l a t i o n ，t h i sw i l lb et i m e - c o n s u m i n ga n dm a y b el e a dt ol o w e rc l a s s i f i c a t i o n a c c u r a c y t oa d d r e s st h er e s e a r c hq u e s t i o n ，t h e r ea r ef o u rm e t h o d sa r ep r o p o s e di nm y p a p e r ：o n ei sb i n a r ym u h i o b j e c t i v ep a r t i c l es w a r mo p t i m i z a t i o n ( b m o p s o ) ；s e c o n d i san o v e lm e t h o d ，n a m e dc u l t u r a l b a s e dm o p s of c m o p s o ) ；t h et h i r di sf i l t e r b a n k s b a s e dc m o p s oa l g o r i t h m ( f b m o p s o ) ；t h el a s ti st y p i c a ll 1 - n o r ma l g o r i t h m t h eb m o p s oa l g o r i t h ma n d t w oc m o p s oa l g o r i t h m sa r eb a s e do np a r t i c l es w a m i o p t i m i z a t i o n ( p s o ) t h ep s oa l g o r i t h mi sah e u r i s t i cs e a r c ht e c h n i q u et h a ts i m u l a t e s t h em o v e m e n t so faf l o c ko fb i r d s ，w h i c ha i mt of i n df o o d p s oa l g o r i t h m ，p r e v i o u s l y u s e dt oh a n d l es i n g l eo b j e c t i v e m o p s oa l g o r i t h mi st h ee x t e n s i o no fp s o ，a n di th a s b e e nw i d e l yu s e dt os o l v em u l t i - o b j e c t i v eo p t i m i z a t i o np r o b l e m s h o w e v e r , m o s t m o p s ou s ef i x e dm o m e n t u ma n da c c e l e r a t i o nf o ra l l p a r t i c l e st h r o u g h o u tt h e e v o l u t i o n a r yp r o c e s s t h ec m o p s oa l g o r i t h md i f f e r e n tf r o mt h eb m o p s oa l g o r i t h m ， i ti n t r o d u c e sac u l t u r a lf r a m e w o r kt oa d a p tt h ep e r s o n a l i z e df l i g h tp a r a m e t e r so ft h e m u t a t e dp a r t i c l e s t h et h i r dm e t h o di st y p i c a ll 1 n o r ma l g o r i t h m ，as m a l ln u m b e ro f c h a n n e l sc a nb ep i c k e do u ti nt w oc l a s s e se l e c t r o e n c e p h a l o g r a md a t ab yt h i sm e t h o d i na d d i t i o n ，t h r e ec l a s s i f i c a t i o nm e t h o d s ：s u p p o r tv e c t o rm a c h i n e ( s v m ) 、 k - n e a r e s tn e i g h b o r ( k - n n ) 、b a c kp r o p a g a t i o n ( b p ) n e u r a ln e t w o r k ，a r eu s e da s c l a s s i f i e r i i a b s t r a c t f i n a l l y , t h r e ec l a s s i f i c a t i o nm e t h o d sa n df o u rc h a n n e ls e l e c t i o na l g o r i t h m sa r e r e s p e c t i v e l ya p p l i e dt o t h r e e t a s ko rf o u r - t a s kd a t as e t sr e c o r d e dd u r i n gm o t o r i m a g e r yb a s e do nb c ie x p e r i m e n t s ，t h er e s u l t s s h o wt h a tt h es v ma n dk - n n a l g o r i t h m sc a n a c h i e v eab e t t e rc l a s s i f i c a t i o nr e s u l t st h a nb pn e u r a ln e t w o r km e t h o d t h ef b m o p s oa l g o r i t h mi sm o r ee f f e c t i v ei ns e l e c t i n gas m a l l e rs u b s e to fc h a n n e l s w h i l em a i n t a i n i n gt h ec l a s s i f i c a t i o na c c u r a c yu n r e d u c e da m o n gf o u rc h a n n e l s e l e c t i o na l g o r i t h m s k e yw o r d s ：b r a i n c o m p u t e ri n t e r f a c e ；m u l t i c l a s sc s p ；f i l t e rb a n k ；c h a n n e ls e l e c t i o n ； m u l t i o b j e c t i v ep a r t i c l es w a r mo p t i m i z a t i o n ；f e a t u r ec l a s s i f i c a t i o n i i i 第1 章绪论 第1 章绪论 全国有很多重病患者，例如患有脑中风( b r a i n s t e ms t o k e ) 、肌萎缩性脊髓侧 索硬化症( a m y o t r o p h i cl a t e r a ls c l e r o s i s ) 、脊髓损伤( s p i n a lc o r di n j u r y ) 等疾病的 患者，这些病人因神经通道受损，从而不能正常生活【l 】。1 9 9 5 年，克里斯托弗里 夫从马背上跌下来，脊髓受伤，摔断脖子，从此以后无法行走，胳膊不能动， 每天戴着呼吸器，甚至无法与人正常交流。克里斯托弗里夫相当富有，他享 受着全世界最好的医疗保险，接受全世界最好的研究，甚至还有一家基金会的 支持，但是即便如此，他个人承受了巨大的痛苦，直到临死也未能解除。那么， 如何帮助这些严重伤残的病人提高他们的生活质量呢? 随着脑科学及各种信号 处理技术的不断发展，一项被称作脑机接1 2 ( b r a i n c o m p u t e ri n t e r f a c e ，b c i ) 的技 术，在大脑与计算机或其它外部设备之间建立了一条直接的通信与控制通道， 这种通道使运动残疾患者能够使用脑信号与外界进行交流或控制外部设备，无 需借助语言和肢体动作。简单的说，b c i 是一种利用脑电波信号来实现外界交流 的一门技术。研究b c i 技术最主要的目的在于设计出基于脑电信号的控制装置， 以帮助那些严重的残疾患者以及交流障碍者恢复控制和交流功能【2 圳。b c i 技术 结合了神经科学、计算机信息处理和微电子等领域的最新成果，直接提取大脑 的神经活动，将其翻译成能控制外部设备的控制命令，以帮助那些严重患者建 立一个大脑与外部交互的新途径，进而提高患者的生活质量。 1 1b c i 系统的研究背景及意义 1 1 1b c i 研究背景 自从电脑问世以来，我们基本上都是通过身体运动来控制电脑的。为了满 足人们不同的需求，技术人员不断改进电脑的功能，如改善电脑的用户接口。 鼠标和键盘是p c 上广泛使用的接口技术，还有其他的接口技术如语音识别、电 脑手柄等等，但是这些都是通过将用户的想法转为肌肉的运动再去操纵计算机 完成一系列工作的。 科学在飞速发展，那我们能否找到一种更直接的方法与电脑交流昵? 1 9 2 9 年h a n sb e r g e r 描述了脑电描记法，大量的研究也表明，当人们正在准备进行某 第1 章绪论 种行为的时候，大脑中的神经元会产生相应的电生理信号，而正是这些电生理 信号通过神经系统控制肌肉来完成人的意图。研究还进一步表明，用来产生某 个具体动作的脑电信号，很有可能是相同大脑区域不同地方的神经元共同作用 的结果，而且存在一定程度的冗余，这样，即使大脑中的部分区域受损，但是 脑的功能并不会缺失。在2 0 世纪7 0 年代，就已经有很多科学工作者致力于人 机交互的研究，此系统能够将人脑思维产生的电生理信号，通过处理和分类后 转换成控制信号实现对外部设备的控制，从而避免了那种通过肌肉实现思想意 图的传统方式，这种系统就是脑机接口。它一方面能让大脑发出指令，控制外 部装置；另一方面，它也能让我们直接解读神经活动的部分信息，通过图像、 声音的形式反馈给使用者，如果设计得当，这种实时的反馈会对大脑活动产生 积极的调节作用。许多研究者已经试图利用b c i 技术，帮助一些神经疾病的患 者尽快的恢复健康。 1 1 2b c i 研究意义 脑机接口技术的实现有望帮助四肢残疾或瘫痪者恢复日常活动。目前，脑 机接口分两大方向领域，一是人脑控制机，即通过想象运动实现简单的控制行 为，其目的是帮助残疾人克服运动障碍。如下肢瘫痪的中国著名的运动员桑兰， 世界上全身瘫痪的宇宙学的泰斗霍金先生都可以是此项技术的受益者。四年前， 霍金教授尚能控制自己的三个手指，现在他除了移动自己的视线外什么也不能 做了。理论上讲，如果未来霍金教授连眼球都不能动了，那么现在他使用的视 觉识别设备将没法继续帮助他实现与外界的沟通。到那时，大概只有b c i 和想 象运动能帮助他了。脑机接口技术给丧失肌肉控制功能、头脑思维依旧灵活的 残障人提供了最后的解决方案，在不久将来b c i 技术一定会给残障人或正常人 造福。二是机控制脑，如人工耳蜗、人工视觉，将声音信号、图像信号转成电 信号直接刺激大脑，这对失聪、失明的残障人都很有帮助。 b c i 技术对人们的日常生活也有很大帮助。例如人们可以根据自己不同的思 维，产生不同的脑电信号来控制外部设备。另外，b c i 技术对正常人也有帮助， 比如帮助飞行员在飞行的环境中控制飞机以及在危险环境中控制机器人的操作 等。b c i 技术的研究是一项多学科综合的课题研究，随着b c i 技术的渐趋成熟， 不仅将为生理学和医学中大脑的相关知识应用于实际提供一条新途径，而且对 于其他技术学科，如计算机、生物、化学等也将得到较好的发展。 一， 第1 章绪论 1 2b c i 的定义、基本结构及其分类 1 2 1b c i 的定义 回顾历史，1 9 7 7 年，美国科学家雅克维达首次将b c i 技术定义为：一种 能反映大脑功能内在机理微观信息的计算机系统技术。而b c i 的明确定义是科 学家们在1 9 9 9 年的第一次国际b c i 会议上给出的，其定义是：b c i 是一种不依 赖于正常的由外周神经和肌肉组成的输出通道的通信系统【5 j 。 1 2 2b c i 系统的基本结构 目前，世界各个研究组对b c i 有各种各样的研究方法，但是b c i 系统的整 体结构相类似，都包括脑电信号的获取、特征提取、特征分类以及输出控制等 几个部分，其系统结构如下图所示： 图1 1b c i 系统的基本结构图 信号的获取：当人们在注视显示装置或进行某种特定心理活动时，人脑中 会产生特定的电生理信号。目前，采集的信号主要有两种方式：一种是脑膜下 电极记录的皮层脑电图( e l e c t r o c o r t i c o g r a m ，e c o g ) ，此方式需要将电极植入到脑 皮层下；另一种是头皮脑 ( e l e c t r o e n c e p h a l o g r a m ，e e g ) ，这种方式是无创的， 只是将电极与头皮接触，而并不需要植入大脑。另外，对于e e g 信号的采集也 有两种导联方式：一是国际1 0 2 0 系统，原则是将头皮上电极之间的相对距离以 1 0 年n2 0 来表示；二是单极导联和双极导联，原则是先将一个电极点位设为零， 3 第1 章绪论 此电极作为参考电极，而其他电极与参考电极的差即为电位值。所谓单极导联 是一个公共参考电极与多个电极的方法。而采用两个电极之间的相对电位差的 方法称为双极导联法。由于e e g 信号十分微弱，因此需要将检测到的e e g 信号 通过高倍数的放大器，然后用模数转换器转换成数字信号。 去噪处理：得到的原始信号经常会包含很多干扰信号，如眼电信号( e o g ) 、 肌电信号( e m g ) 等等，因此需要对原始脑电信号做降噪处理。由于e o g 或 e m g 信号中可能还会包含部分脑电信号，因此直接去除这些信号势必会造成原 始信号的缺失。p c a 方法可以用来分离干扰信号，此方法在实时系统中进行分 离干扰信号表现出了良好的性能。 特征提取：特征提取是b c i 系统的核心部分。特征提取就是以特征信号作 为源信号，确定各种参数并以此为向量组成表征信号特征的特征向量【6 】。常用的 特征提取算法主要有：快速傅里叶变换( f a s tf o u r i e rt r a n s f o r m ，f f t ) 、相关性分 析、参数估计、自回归( a u t o r e g r e s s i v e ，a r ) 分析、共空域模式( c o m m o ns p a t i a l p a t t e r n s c s p ) 、小波变换和小波包分析等。目前，特征提取的关键技术是c s p ) 算法以及其多种变型。1 9 9 0 年，z j k o l e s 等人引入c s p 方法来区分正常和非正 常脑电，以确定非正常脑电( 癫痫) 的源分布【7 j 。 特征分类：提取的信号特征要通过分类器进行分类并将它转换为对外界的 控制命令。分类器分为线性和非线性两种。其中线性分类器有：线性判别分析 器、逻辑分类器等。常用的非线性分类器有：支持向量机( s u p p o r t v e c t o r m a c h i n e ， s v m ) 、神经网络等。 输出控制器：系统的输出装置一般包括神经假体的运动、机械手运动、轮 椅控制等。其主要作用是将经过前面处理过的控制信号通过一定的方式输出， 从而实现对外部设备的操作和控制。有的b c i 系统包括反馈环节，此环节的好 处是它能够帮助实验者根据反馈的信息反过来调节e e g 信号，以达到预期的目 的，从而进一步完善b c i 系统。另外，还需要一些操作协议来指导b c i 的运行， 这些协议决定了系统的开关方式、通信是否连续、用户和系统之间的速度以及 是否给受试者提供反馈【l j 。 1 。2 3b c i 系统的分类 目前，b c i 技术大体上可以分为两大类1 8 】：一是独立型b c i ，是指思维与外 晃的直接交流，不需大脑信息输出通路携带操作信息，也不用借助通路产生的 4 第1 章绪论 脑电信息；二是依赖型b c i ，这种类型不使用正常的大脑输出通路携带信息，但 是需要通路中所携带的脑电信息并将之转换为对外的控制信号。 分类标准不同则分类方法不同： ( 1 ) 按照实现技术的不同，b c i 可分为直接和间接两种。直接式的b c i 是 指将电极直接插入人的大脑。清华大学高上凯教授介绍说，“2 0 0 4 年，第一个直 接式脑机接口的残疾人测试者测试成功，虽然其测量信号更强，更准，但此脑 机接口为有创方式，有手术风险，而且成本也很高”。目前大部分直接式的b c i 处于动物实验阶段。间接式b c i 的输入信号是由头皮电极记录的e e g 信号。间 接式、无创伤头皮脑电技术对人体完全无害，但是，它在实践过程中会遇到很 多更加复杂的问题。由于脑电信号是从头皮上提取，而不是在脑神经元上直接 提取，脑电波从神经元传导到头皮上的过程会使本就很微弱的信号变得更加弱。 ( 2 ) 按照电生理信号的不同，b c i 可分为五种类型【9 j ：使用诱发电位( e v o k e d p o t e m i a l ，e p ) 、使用慢皮层电位( s l o wc o r t i c a lp o t e n t i a l s ，s c p s ) 、使用p 3 0 0 诱发电位、使用自发e e g 的“和p 节律及使用皮层神经元活动电位的b c i 。第 一种属于依赖型b c i ，而后四种属于独立型b c i 。 ( 3 ) 按照工作方式不同，b c i 又可分为同步b c i 和异步b c i 。同步b c i 是 有提示的b c i ，在预先规定的时间窗内对e e g 信号进行分析和分类，由于规定 了时间和思维任务，信息处理的难度就大大简化了。而异步b c i 没有提示，是 指可以在任意时刻操纵的b c i 系统，不需要用户在规定时间内完成规定的思维 活动，而是必须对脑电信号进行连续的分析和分类，在任务和休息之间做出判 别。这样实现起来比同步的b c i 难度要更大，主要是不知道如何利用有效的信 号处理方法来区分休闲状态和工作状态。现阶段主要集中在同步b c i 系统的研 究，但是由于异步b c i 系统具有自主性的特点，因此必然成为b c i 系统未来发 展的主要趋势。 ( 4 ) 最后，按照实验策略的不同，b c i 还可分为基于集中注意力的b c i 、 基于操作者调节的b c i 和基于运动想象的b c i 。 1 3b c i 系统的研究现状及其应用 1 3 1b c i 系统的研究现状 自发现e e g 信号以来，研究员们就开始设想通过脑电信号来通讯和控制外部 5 第1 章绪论 设备。早期美国出于一定的军事目的成立了第一个b c i 系统研究小组。该小组利 用生物反馈的方法研究人机之间的通信，结果表明实验者可以通过训练产生视 觉诱发电位来控制屏幕上的指针作二维的运动【l l 】。经过几十年的不断发展，b c i 系统已经能够控制很多装置，如控制屏幕指针进行2 4 种运动、滚动的飞机模型、 拼写装置、膝关节和手的抓握装置等】。虽然b c i 的研究在很多领域已经取得了 很大进步，但b c i 的发展目前还处于实验阶段，与实际应用还有一定差距。b c i 技术是近年来的一个研究热点，研究b c i 系统的组织也慢慢发展到数百个。几次 b c i 国际会议的召开，给b c i 技术的进一步发展创造了机遇并吸引了众多科研工 作者。研究小组和研究人员不断地在增加，同时相关的文章也随处可见，也出 现了不少b c i 的专刊，这些都在不断地将b c i 的研究推向热潮。国外研究者主要 来自美国、德国、奥地利、意大利等，国内研究机构目前有报导的有清华大学、 重庆大学、上海交通大学、华中科技大学、中南民族大学，其中清华大学研究 最为深人。目前主要的研究工作有：w a d s w o m l 中心研究工作1 1 2 j 、n s f ( n e i ls q u i r e f o u n d a ：t i o l l ) 的实验室研究1 1 3 】、美国g s u ( 乔治亚洲大学) 脑实验室的研究【h j 、奥地 利g r a z - b c l 技术的研究工作【l5 j 、高上凯课题组的研究【l 引。b c i 的研究涉及多个学 科，+ 如神经科学、生物医学、计算机科学、康复医学等。作为年轻的研究领域， 新的方法技术不断的涌现出来，但随之也会出现大量复杂的问题，而这个过程 也是让b c i 走出实验室的必经之路。 1 3 2b c i 系统的应用 b c i 作为一门多学科交叉的新兴技术已经取得很大进展，尤其是在康复工程 领域，它为人们提供了一种全新的与外界交流的方式，患者用脑电信号而非语 言来表达意图、控制外设。b c i 技术起初的目的是用来为残障人员提供辅助帮助， 但随着b c i 技术的日趋成熟，目前其应用主要集中在以下几个方面： ( 1 ) b c i 在康复领域的应用 b c i 技术的出现无疑会给很多残疾患者带来生活的希望。一些闭锁综合症患 者可以借助b c i 技术，用自己的思想直接控制外部设备，进而实现与外界的通 信与交流。1 9 9 9 年，美国科学家h u n t e r p e c k h a m 领导的研究组通过6 4 导联e e g 增强了一位四肢瘫痪病人的手部运动功能。2 0 0 5 年，c y b e r k i n e t i c s 公司获得美 国食品和药物管理局的批准，对九位病人进行了想象运动b c i 临床试验。四肢 瘫痪的m a t tn a g l e 是第一位用入侵式b c i 控制机械臂的患者，后来他也成功地 6 第1 章绪论 通过想象运动完成对计算机光标的控制等。b c i 技术将在临床康复领域中发挥着 巨大的作用，同时与其相关的技术也会得到进一步发展。 ( 2 1b c i 在军事领域中的应用 b c i 系统除了可以用在康复领域，在军事领域或许也能提高实战性。2 0 0 8 年，美国军方就开始对b c i 技术在军事领域的应用进行了探讨。另外，在军事 训练中，该技术可对武器、车辆等设备进行辅助控制。美国w r i g h t - p a t t e r s o n 空 军基地，利用基于稳态视觉诱发电位( s t e a d y s t a t ev i s u a le v o k e dp o t e m i a l ，s s v e p ) 的b c i 技术对模拟飞行器进行控制。由于b c i 技术可以让士兵们只需用自己的 思维对飞行器进行操作，而不用自己坐在飞行器上动手操纵，在以后的军事行 动中士兵可以坐在基地里参战，减少军事行动中的人员伤亡。 ( 3 ) b c i 在日常生活的应用 人们可以根据自己不同的思维，产生不同的脑电信号来控制外部设备，比 如，操作计算机、拨打电话、遥控电视开关等等。近几年，b c i 技术开始用于游 戏中的实时交互控制。例如在2 0 0 8 年美国的游戏开发大会上，游戏公司e m o t i v 发布了新款游戏设备e p o c ，这是一种独特的脑电波识别及控制设备，这台设备 可以实时感知脑电波的变化情况，并通过一定的训练使无线头盔掌握使用者的 脑电波变化特征，然后利用这些特征实现对游戏角色的实时控制。因此，b c i 技术也为我们的生活增加了一种新颖的娱乐方式。 1 4 本文的主要内容 本文的主要研究内容包括：多任务脑机接口中分类算法和导联选择的研究。 分类算法的选择一直是b c i 技术的一个研究重点，不同的分类器得出来的分类结 果不同。导联选择是本文的重点，减少导联数目能够减少在线b c i 系统的费用， 也更便于用户使用b c i 。文中，三种分类算法和四种导联选择算法用于针对想象 运动的多类脑电数据，并进行离线分析。通过实验仿真，寻找出合适的分类器 和导联选择方法。 本文的主要内容及结构安排如下： 第1 章绪论。本章从b c i 系统的研究背景、研究意义、基本结构、以及 研究现状和应用等方面出发，对b c i 系统做了初步的概述，并给出本文的主要 研究内容。 7 第1 章绪论 第2 章重点介绍一种多任务脑电特征提取算法，即联合对角化c s p ，其 工作原理在本章给出了详细的介绍。 第3 章详细介绍了三种分类算法：支持向量机、k 近邻法和b p 神经网络 算法。三种算法分别对三类和四类运动想象任务的脑电数据进行实验，最后将 得到的三种分类结果进行对比和分析。 第4 章重点介绍了四种导联选择算法：b m o p s o 算法、c m o p s o 算法、 f b c m o p s o 算法和l 1 n o r m 算法。将各算法应用于四类运动想象任务的脑电数 据，并对导联选取结果进行分析和讨论。 第5 章最后，总结本文的主要研究内容，对b c i 系统今后的发展进行展望。 8 第2 章脑电信号特征提取算法研究 第2 章脑电信号特征提取算法研究 信号处理的主要步骤包括数据预处理、特征提取和特征分类三部分，其中 预处理是为能从e e g 中提取出少量有用信息做准备的，而特征提取算法是系统 的重点部分之一，但是特征提取并没有统一的方法，因此需根据具体的应用领 域，结合信号的特点和操作协议采用不同的算法。 特征提取首先是将脑电信号作为源信号，然后以确定的各种参数为向量所 组成能够表示信号特征的向量【6 】。经过数字化后的脑电信号还要经过各种各样的 特征提取步骤，如空间滤波，电压振幅测量，频谱分析或单个神经元分离，这 些分析是为了得到与实验者意图有关的信号。b c i 系统可以使用时域信号特征 ( 如诱发电位振幅或神经元放电频率) 或频域信号特征( 如m u 或b e t a 节律振幅) 。 随着信号处理技术的发展，出现了多种提取脑电特征信号的处理方法，如独立 分量分析、频谱分析法、共空域模式、小波变换和小波包分解，以及多种特征 相结合的方法。本文采用共空域模式算法提取脑电特征信号。 2 1 二进制共空域模式算法及其局限性 1 9 9 0 年，z j k o l e s 等人引入了共空域模式( c o m m o ns p a t i a lp a t t e m ，c s p ) 方 法来区分正常和非正常的脑电，以确定非正常脑电的源分布【l7 1 。二进制c s p 方 法是先将两个协方差矩阵同时对角化，然后找到这两个矩阵的共同投影子空间， 使它们在投影子空间变换的映射下方差的差别达到最大【18 1 。本文采用c s p 算法 的目的是设计与某个特定任务相关的空间滤波器，从而提取出与该特定任务相 关的分量，去除无关的分量。对于两分类情况，利用主分量分析( p r i n c i p a l c o m p o n e n ta n a l y s i s ，p c a ) 算法，通过对两个协方差矩阵的精确联合对角化来设 计出最优的空间滤波器。 用c s p 方法设计空间滤波器的步骤如下： 1 ) 首先求出a 、b 两种脑电信号的协方差矩阵足和r 。： r a 2 赢x 瓦o x o 两 ，r e2 意孙 ( 2 1 ) 式中霹和霹表示对艺和k 做转置。 9 第2 章脑电信号特征提取算法研究 2 ) 分解协方差矩阵： r = r 。+ r = u o u o ， 式中，是由特征值组成的对角矩阵，u 。为特征值对应的特征向量。 3 ) 通过下式构造白化矩阵： p = e - i 2 u o r ( 2 2 ) ( 2 3 ) 4 ) 将协方差矩阵转化为以下形式： 艺= p r p 。，艺= 尸r 尸7( 2 4 ) 5 ) 将e ，y h 进行特征分解： 艺= u e 。u 。，艺= u z 6 u 。 ( 2 5 ) 其中，。和。为特征值矩阵。 6 ) 构造空间滤波器： 定义虬和乩是。和。中几个大的特征值对应的特征向量构成的矩阵， 这样a 、b 两种任务对应的空间滤波器分别为： = “p ，吒= “p ( 2 6 ) 得到两个空间滤波器之后，将滤波器和原始信号相乘即可得到与想象运动 任务有关的源信号。最后，用分类器对源信号进行分类。 两类c s p 算法存在一定的局限性：一是信息传输率低。评价通信和控制系 统的标准方法是计算系统的信息传输率( i n f o r m a t i o nt r a n s f e rr a t e ，i t r ) 【5 】： b = l 0 9 2n + p l 0 9 2p + ( 1 一p ) l 0 9 2 ( 1 一p ) ( n 一1 ) ( 2 7 ) 其中p 表示分类的精确度，表示分类的类别数，b 就是信息传输率，即 每一分钟通信传输的比特数目( b i t s m i n ) 。从公式中可以看出信息传输率和二个 变量有关：思维任务的类别数和算法分类精确度p ，因此要想提高c s p 的信 息传输率需要将c s p 算法由二类模式扩展到多类模式，同时维持c s p 算法良好 的分类性能。二是对于多类c s p 算法不能实现多个实对称协方差矩阵精确的联 合对角化，只能做到近似的联合对角化。 2 2 多类c s p 算法 1 9 9 8 年，j o h a n n e sm u l l e r - g e r k i n g 提出了将二类模式的c s p 算法扩展到多 1 0 第2 章脑电信号特征提取算法研究 类模式的方法【19 1 。之后，g u i d od o r n h e g e 等人提出了三种多类c s p 算法例：一 对一( o n ev e r s eo n e ，o v o ) ，即把多类模式转换为多个两类模式来构造空间滤 波器；一对多( o n ev e r s et h er e s t ，o v r ) ，是指一个类别对应剩下的多个类别的 方法，其本质和o v o 算法一样；近似联合对角化( a p p r o x i m a t ej o i n td i g i t a l i z a t i o n ， a j d ) i 拘方法，从数学角度该算法可表述为【2 1 】：给定k 个对称矩阵 c 。 ，c r 肌m ， k = 1 ，2 ，k ，可以求出一个矩阵y 使得c 进行相应的变换后尽可能接近于对角 阵，即： a = v c 。v ， ( 2 8 ) 变换矩阵矿可通过下式求得： v = a r g r a i n c o s t d ( ) ( 2 9 ) k = l 其中c o s t d ( a 尼) 为对角化的代价函数。对于不同的联合对角化算法，代价函数则 不同。 2 2 1 近似联合对角化算法 给定k 个n x n 维的实对称矩阵 c 1 ，c 髟 ，所谓联合对角化，是指通过一 个变换矩阵y 同时近似对角化所有的实对称矩阵，其相应的表达形式有以下几 种方式： ( 1 ) f r o b e n i u s 范式 这里令，为c 变换后的结果： f = v c 。v 7 r 2 1 0 ) 将联合对角化定义为一个优化问题，即： m i n 觚d ( f ) ( 2 1 1 ) 黔。缶小川 u 其中，瓤n 为f 。中非对角线上元素的f r o b e n i u s 范式。 贼。( f ) = d ( f 。) = ( 劈) 2 ( 2 1 2 ) i * j 大多数联合对角化算法均采用f r o b e n i u s 范数，如：c a r d o s o 和s o u l o u m i a c 的j a c o b i 算法【2 2 】、j o h o 和r a h b a r 的梯度法2 3 1 等等。但是从表达式中可以看出一个很严重 的问题，当y = 0 时，代价函数瓤。( f ) 最小，不过假定v 是一个正交矩阵即 第2 章脑电信号特征提取算法研究 可避免v = 0 这一现象的出现。 ( 2 ) 正定表达式 假设实对称矩阵c 。为正定矩阵，p h a m 提出了一种针对正定矩阵的联合对角 化算法f 2 4 】，所采用的准则如下： 妍d ( f ) = l o g d e t ( d d i a g ( f ) ) 一l o g d e t ( f 。) ( 2 1 3 ) 其中d d i a g ( f 。) 表示对角矩阵中只包括f 的对角元素，d 或表示求矩阵的行列 式。需要注意的是，这一准则只适用于正定矩阵。 ( 3 ) 子空间拟合表达式 子空间拟合表达式是先求得一个对角阵人，经变换矩阵么变换后比较接近 目标矩阵c 。 衄】：】l k0 c k _ a a k a r 旺 ( 2 “) a 人1 “k = l 子空间拟合有两个优势：一是它们不需要对c 和a 做正交正定性的假设； 二是它还可处理非正方矩阵问题，但这些都要以高计算量为代价。本文重点描 述未加权的高斯迭代完全对角化算法 2 5 , 2 6 】。 2 2 2 高斯迭代完全对角化算法 高斯迭代完全对角化算法分为加权算法和未加权算法。本文主要研究未加 权算法，即未加权高斯迭代完全对角化算法( u n w e i g h t e de x h a u s t i v e d i a g o n a l i z a t i o nw i t hg a u s si t e r a t i o n s ，u e d g i ) 。 联合对角化方法分两种：一种为“直接 形式，即c = 么a 么丁；一种为“间 接”形式，即人= v c 。v7 。如果达到精确联合对角化，则两个变换矩阵是互逆 关系，即y = 么。高斯迭代完全对角化算法将两者合为一体，因此代价函数就 与矩阵矿和4 有关，即： c l s ( v ，么) 全副阳v r _ 4 喀，矿a ，旺 ( 2 1 5 ) 其中b r 全d d i a g ( v c 。v r ) ，对于任意一个矩阵y ，都可以找到一个矩阵彳使得 ( 矿，么) 最小，则联合对角化优化问题可以描述为： o ( v ) 兰a r g m i n c 岱( y ，么) ( 2 1 6 ) 接下来定义疋( 矿) ： 1 2 第2 章脑电信号特征提取算法研冗 砸) 全陋赫，a 1 ，t 一，赫一。l ( 2 1 7 ) 其中： r “村全【( 陀1 v r ) 村，( v c 足v 丁) 盯r ( 2 1 8 ) 这样式2 1 5 也可以表示为： c 聒( 矿，a ) 全l ，s ( 矿) 一厂( 彳) il ，s ( 矿) 一厂( 4 ) l (219)1 广1广1 其中： 厂( 么) 全矗( 彳) ，矗( 彳) ，局( 么) ，矗州( 么) ( 2 2 0 ) 厶( 4 ) 全 ( 4 d l ，矿a r ) 村，( 么砍，矿a 7 ) 肼 ( 2 2 1 ) 最后，联合对角化优化问题可以改写为： o ( v ) = f ，。( y ) 一厂( 么) ir ，( y ) 一f ( a ) i ( 2 2 2 ) 广1 广1 为计算目标矩阵j ，t i e h a v s k y 等人口5 1 用高斯迭代算法计算出每一次迭代后 的目标矩阵j2 ，之后更新矩阵v ，v 川：( j 7 ) 一- y z 。当力等于单位矩阵则迭代停 止，求出v 。因此重点是如何计算目标矩阵j7 。目标矩阵j 的迭代更新如下： 0 = 0 i + f 7 1 只 一只 ；。( 矿) 一厂( p i ) ( 2 2 3 ) 其中f 为迭代次数，0 = v e c ( j7 ) ，f = o f ( o ) 0 0 。：。这里厂( 目) 形式和( 彳) 一 样，只是彳变成了它的向量化形式秒。初始化j m ：，由于矩阵，m 的列元素均 为0 ，因此么中对角元素恒为1 。那么( 2 2 3 ) 可以改写为： 目“1 = i 9 7 + ( 善咒，硝) 一 蓦昂，c ；肼c y ，一厶c 臼7 ， c 2 2 4 ， 其中蜀是厶对0 的求导： = ( j 乙+ j 乙) ( l 。p ；) d ( 2 2 5 ) 0 = 0 j 其中为k r o n e c k