（生物医学工程专业论文）基于多类运动感知脑电的异步脑机接口的研究.pdf

原创性声明 t掣丫11i17119iiofllif5li8ii4illl 丫17 9 0 5 8 4 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究所取得的成果。除文中已经注明引用的内容外，本论 文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本 文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。 本声明的法律责任由本人承担。 论文作者签名：警日期： 弘加上。以 关于学位论文使用授权的声明 本人同意学校保留或向国家有关部门或机构送交论文的印刷件 和电子版，允许论文被查阅和借阅；本人授权山东大学可以将本学位 论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩 印或其他复制手段保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 做作者繇耸喳导师繇犁坞一日期：坐 ijj 东大学硕十学伊论文 目录 摘要i a b s t r a c t i i 第一章绪论1 1 1 引言l 1 2 目前国内外研究动态2 1 3 研究的目的和意义6 1 4 本课题研究内容的提出7 1 5 本文的组织结构7 第二章基于脑电的b c i 系统；9 2 1 脑电信号知识9 2 1 1 脑电的生理机制9 2 1 2 脑电信号基础9 2 2 基于脑电的b c i 系统分类1 3 2 3b c i 系统的脑电采集和分析1 5 2 3 1b c i 系统中的脑电信号采集1 5 2 3 2b c i 系统中的信号处理1 8 2 3 3b c i 系统中的分类识别1 9 2 4 小结1 9 第三章想象运动实验设计及系统软件设计2 0 3 1 软件开发平台2 0 3 1 1v is u a lc + + 及m f c 简介2 0 3 1 2 使用m f c 的优点2 1 3 1 3m f c 消息2 2 3 1 4 单文档应用程序的结构2 3 3 1 5 文档视图结构2 4 3 1 6 数据库简介2 5 3 2 实验软件系统总体设计2 5 3 2 1 软件功能模块划分2 6 3 2 2 软件系统流程分析2 8 ， 山东大学硕十学何论文 3 3 数据库的设计2 8 3 4 软件系统的实现3 0 3 4 1 登录界面的设计3 0 3 4 2 数据采集界面与数据保存的实现3 0 3 4 3e e g 分析模块的实现3 4 3 4 4 实验者信息管理模块的实现3 4 3 4 5 系统管理模块的实现3 5 3 5g a l i l e on t 系统3 6 3 6 想象运动脑电试验设计3 8 3 7 小结4 0 第四章e e g 预处理4 1 4 1 信号处理中常用的滤波方法4 1 4 1 1 卡尔曼滤波4 1 4 1 2 巴特沃斯滤波器滤波4 2 4 1 3 小波去噪4 3 4 2 本文研究中使用的去噪方法4 4 第五章e e g 信号的特征提取4 6 5 1 自适应回归模型4 6 5 2 小波变换与小波包变换4 7 5 3 独立分量定义4 7 5 4 共用空间模式4 9 第六章脑电信号的分类识别5 l 6 1f i s h e r 线性判别准则5 1 6 2 人工神经网络5 1 6 2 1 单层网络分类功能( 感知器) 5 2 6 2 2b p 神经网络5 4 6 3 支持向量机5 7 6 4 本文数据处理及算法分析5 8 第七章总结与展望6 0 7 1 总结6 0 1 1 山东大学硕十学伊论文 曼曼曼曼曼曼曼曼窟曼曼曼皇曼皇曼詈曼曼曼曼曼曼皇曼曼曼皇曼曼曼曼皇曼舅i i i i i 皇曼! 曼曼曼曼皇曼鼍鼍量曼曼曼皇曼曼鼍曼曼皇曼曼皇皇曼皇皇曼量 7 2 展望6 0 参考文献6 2 致谢6 7 硕士研究生期间发表( 录用) 论文与参与项目6 8 附录6 9 i i i 摘要 - - 摘要 脑一机接口( b r a i n - c o m p u t e ri n t e r f a c e ，b c i ) 是一种不依赖于大脑外周神经与肌 肉正常输出通道的通讯控制系统，是在大脑与外部设备之间建立的直接交流通道。基于脑 电的b c i 技术是脑神经科学，认知科学，康复工程，现代信息学与计算机科学等学科共同 发展的产物，实现了人脑意识信息与计算机等电子设备间的交换，对进一步研究人的思维 机理，帮助有行为障碍的人康复都具有十分重要的作用。对脑一机接口的研究具有非常重 要的科学意义、学术价值和广阔的应用前景，是当今世界研究的热点。 基于想象运动的脑电信号( e l e c t r o e n c e p h a l o g r a m ，e e g ) 不需要结构化的物理环境， 是种被广泛采用的思维作业方式。脑一机接口技术从实验室研究走向实际应用的关键在 于对运动想象脑电信号的识别精度和识别速度问题。本文在总结前人工作的基础上，对脑 电信号的采集、处理等问题进行研究。主要包括以下几个方面： 第一、进行系统信号采集模块设计。在实验室已有的脑电采集设备和信号采集软件基 础上，根据本人的课题研究，设计相应的大脑想象运动任务实验。根据要求，使用v c + + 6 0 编写出相应的脑电信号采集软件。 第二、对采集的脑电信号进行预处理。由于脑电信号非常微弱，在采集过程中容易受 到各种噪声干扰的影响，对脑电信号必须进行去噪处理。本文主要通过小波变化、数字滤 波等方法对采集到的信号进行处理，把信号中的无用成分包括心电、眼电、肌电等伪迹去 除掉，提取其中的有效信息为后面的处理做准备。 第三、对脑电信号进行特征提取。特征提取的目的是将从预处理后获得的e e g 信号变 换为能代表不同意识任务的特征向量。能否提取出大脑思维活动中的有效特征信息是b c i 研究的关键所在，是正确识别不同思维意识模式的基础。本文主要讨论自适应回归 ( a d a p t i v ea u t o r e g r e s s i v e ，a a r ) 模型、独立分量分析( i n d e p e n d e n tc o m p o n e n t a n a l y s i s ，i c a ) 、共用空间模式( c o m m o ns p a t i a lp a t t e r n ，c s p ) 几种典型的特征提取 方法，并进行比较。 第四、对脑电特征进行分类识别。采用何种分类设计是b c i 系统中另一十分重要的任 务，直接影响到b c i 系统的性能。本文主要对f i s h e r 线性判别法、神经网络、支持向量 机( s u p p o r tv e c t o rm a c h in e ，s v m ) 几种分类方法进行探讨。 【关键词】脑一机接口；想象运动；特征提取；支持向量机 山东大学硕十学伊论文 a bs t r a c t b r a i n c o m p u t e ri n t e r f a c ei sad i r e c tc o m m u n i c a t i o nc h a n n e lw h i c hi se s t a b l i s h e db e t w e e n t h ec e r e b r u ma n de x t e r n a ld e v i c e s ，a n di sac o m m u n i c a t i o nc o n t r o ls y s t e mt h a ti sn o td e p e n d e n t o nn o r m a lo u t p u tc h a n n e l sm a d eu po fc e r e b r a lg a n g l i o na n dm u s c l e e e g - b a s e db c i t e c h n o l o g yi sad i s c i p l i n ew h i c hi sf o r m e db yb r a i ns c i e n c e ，c o g n i t i v es c i e n c e ，r e h a b i l i t a t i o n e n g i n e e r i n g ，m o d e mi n f o r m a t i o ns c i e n c ea n dc o m p u t e rs c i e n c e i ta c h i e v e sa ne x c h a n g e b e t w e e nt h eh u m a nb r a i ni n f o r m a t i o na n dc o m p u t e ro ro t h e re l e c t r o n i ce q u i p m e n t s i tc a n p r o v i d ea n e w w a yo fc o m m u n i c a t i o na n dc o n t r o lf o rp a r a l y s i sp a t i e n t s ，e s p e c i a l l yw h ol o s tt h e b a s i cp h y s i c a lm o v e m e n t sb u tt h i n k i n g s o ，i ti sb e i n gr e c e i v e di n c r e a s i n ga r e n t i o n ，a n di ta l s o h a sm o r ei m p o r t a n ts c i e n t i f i cs i g n i f i c a n c ea n da c a d e m i cv a l u e e e g - b a s e di m a g i n em o v e m e n ti saw i d e l yu s e dw a yo ft h i n k i n go p e r a t i o n sw h i c hd o e s n o tr e q u i r es t r u c t u r e dp h y s i c a le n v i r o n m e n t e e gr e c o g n i t i o na c c u r a c ya n dr e c o g n i t i o ns p e e d o ft h em o t o ri m a g e r yi st h ek e yt os u c c e s s f u la p p l i c a t i o no fb r a i nc o m p u t e ri n t e r f a c e t e c h n o l o g y t h i sp a p e rs u m m a r i z e dt h eb a s i so fp r e v i o u sw o r k ，r e s e a r c h e dt h ea c q u i s i t i o na n d p r o c e s s i n go ft h ee e gs i g n a l s f i r s t ，d e s i g n t h e s i g n a la c q u i s i t i o n m o d u l ef o r s y s t e m t h ep a p e rd e s i g n s i m a g i n a r y m o v e m e n t - t a s ke x p e r i m e n t s i tc o m p i l e se e ga c q u i s i t i o ns o f t w a r eb yu s i n gv c + + 6 0 s e c o n d ，p r e t r e a te e ga c q u i s i t i o n a st h ee e gs i g n a li sv e r yw e a k ，i tm u s tb ec a r d e do u t o ne e gd e n o i s i n gi nt h ec o l l e c t i o np r o c e s s f o re x a m p l e ，w eu s e dt h ew a v e l e tt r a n s f o r m ， d i g i t a lf i l t e r i n gm e t h o dt oc o l l e c t es i g n a l s t h i r d ，e e gf e a t u r ee x t r a c t i o n t h ep u r p o s eo ff e a t u r ee x t r a c t i o ni st ot r a n s f o r mt h e o b t a i n e d p r e t r e a t m e n te e gs i g n a l i n t od i f f e r e n t f e a t u r ev e c t o r w e a t h e rc a nw ee x t r a c t e f f e c t i v ei n f o r m a t i o ni nt h eb r a i na c t i v i t yo ft h i n k i n gc h a r a c t e r i s t i c ，i st h ek e yt ob c ir e s e a r c h a n dt h ek e yt oi d e n t i f yt h ec o r r e c ts e n s eo ft h eb a s i sf o rt h ed i f f e r e n tw a y so ft h i n k i n g t h i s p a p e rd i s c u s s e sa n dc o m p a r e st h ea d a p t i v ea u t o r e g r e s s i v e ( a a r ) m o d e l ，i n d e p e n d e n t c o m p o n e n ta n a l y s i s ( i c a ) ，c o m m o ns p a t i a lp a t t e m ( c s p ) a n d e x t r a c t i o nm e t h o d f o u r t h ，e e gc l a s s i f i c a t i o n c l a s s i f i c a t i o n f o re e gd e s i g n s p e r f o r m a n c eo fb c is y s t e m t h i sa r t i c l ep r o b e ss o m ec l a s s i f i c a t i o nm i i 摘要 l i n e a rd i s c r i m i n a n c e ，n e u r a ln e t w o r k s ，s u p p o r tv e c t o rm a c h i n e ( s v m ) ，a n ds oo i l k e y w o r d ：b r a i n - c o m p e e ri n t e r f a c e ；i m a g i n e dm o v e m e n t s ；f e a t u r ee x t r a c t i o n ；s u p p o r t v e c t o r m a c h i n e l i l 第一章绪论 1 1 引言 第一章绪论弟一早三百了匕 在1 8 4 8 年德国神经电生理学家d ub o i s r e y m o n d 首次利用电流计观察到了神经系统 中的电信号。1 9 2 4 年，德国j e n a 大学的精神病专家h a n sb e r g e r 用两根白金针状电极通 过头部外伤患者的颅骨缺损部位插入大脑皮层成功的记录到了有规则的脑电活动，首先发 现了人类的脑电活动，并与1 9 2 9 年首次记录了人类的脑电活动并将其命名为 e l e c t r o e n c e p h a l o g r a m ( e e g ) 以来，人类对于大脑的研究就揭开了新的篇章。自从1 9 4 6 年第一台电子计算机e n i a c 出现，随着计算机的迅猛发展，有的科研工作者就从脑电信号 的计算机研究及应用角度出发结合脑神经科学以及认知科学等多学科对脑电信号进行研 究，从而诞生了一个全新的，多学科交叉的科研领域脑一机接口( b r a i n c o m p u t e r i n t e r f a c e ，b c i ) 。对于脑一机接口，在1 9 9 9 年的第一届b c i 国际会议上，就做出了如下 定义：“脑一机接口是能够使人不依赖周围神经和肌肉，而与外界通信或进行控制的设备。 换句话说，b c i 就是使用户能够仅仅通过思维意识就可以与外界进行交互的设备。b c i 的 重要研究内容和技术关键在于需从所检测的脑神经电活动数据中识别出大脑思维操作意 图，提取能反映使用者主观动作意识的特征参数并通过适当算法将之转换为控制外部机电 设备的执行命令。b c i 前驱j o n a t h a nw o l p a w 曾经指出：“在理论上，脑的感觉、运动及认 知意识在自发脑电中应该是可辨识的”。 要想实现这样一种b c i 接口，以下条件是必须满足的：( 1 ) 必须有一种能够反映人 脑不同状态的信号；( 2 ) 这种信号必须能够实时且快速的被采集；( 3 ) 能对这种信号进 行识别和分类。真正能为大多数使用者接受的是基于头皮脑电的无创的脑一机接口技术。 但是，由于头皮脑电的信号十分微弱，要从中获取有用的信息是十分困难的。 脑电信号是满足以上两个条件的。脑电活动是由大脑产生的电活动，它本质上是中枢 神经系统工作过程中神经和突触所产生的电位变化。当人们进行不同的感觉、运动时，脑 电信号也是不同的。此外脑电信号可以从头皮或大脑皮层记录到，记录过程简单、无创伤， 因此用脑电信号实现b c i 系统是合适的。需要指出的是，基于脑电的b c i 并非试图解释自 发脑电，而是使人脑产生可以识别的脑电，b c i 识别出这种脑电后，就可以做出不同的选 择或发出不同的指令。 i lj 东大学硕十学何论文 b c i 系统通常由四个部分组成：即信号采集系统、信号处理系统、模式识别系统和控 制装置系统，如图1 1 。反映大脑活动的电生理信号由电极从 化信 脑电信 号 消噪预特征提特征控制接口设 号获取 处理 斗 分类 备取选择 图卜1 基于b c i 系统的结构图 头皮或者大脑内部获取先传送到放大器，信号经过放大、滤波、模数( a d ) 转换等前置 处理后，传送到计算机中进行复杂的信号处理和模式识别，提取出与使用者意图相关的脑 电信号特征量，如诱发电位的幅值、e e g 的节律或单个神经元的触发率等。最后，信号特 征量被转换成外界装置的控制命令。为了优化系统的性能，有些b c i 系统还设置反馈环节。 反馈环节不仅能为使用者操作b c i 系统提供指示，还能帮助使用者根据反馈信息来训练脑 电信号。其中，信号分析和处理环节是b c i 系统的核心部分，其功能是将输入的脑电信号 转换为控制外界装置的输出信号。 1 2 目前国内外研究动态 目前国内外对于基于想象运动b c l 的研究，绝大部分处于实验室研究阶段，尚无大 规模商业应用。1 9 9 9 年、2 0 0 2 年和2 0 0 6 年三次b c i 国际会议的召开，为b c i 的发展推 波助澜。本文主要是对基于想象运动的脑一机接口进行研究，基于运动想象b c i 的研究已 经取得很大的进展，下面主要介绍一下研究动态： ( 1 ) 对两类大脑运动想象( 想象左、右手运动) 同步b c i 的研究已经取得较为完善的 结果。 在运动想象脑电研究初期，人们主要进行想象左右手运动同步b c i 的研究：即实验己 设定，受试者执行一个重复固定的实验设计，对提取的脑电信号在预先选定的时间窗内进 行分析和分类。同步b c i 系统的优点是将要产生的大脑行为是预先知道的，与一个特殊的 提示或刺激相关联，因此可将预先选定的时间窗外的信号作为空闲状态忽略掉，只考虑选 定时间窗以内的信号。 大部分b c i 研究小组通过实验获取想象左右手运动脑电信号n 卜畸1 并加以研究，其中有 两个实验小组取得较为理想的结果：h a s e l s t e i n e rea n dp f u r t s c h e l l e rg 在对原始脑电信 2 第一幸绪论 号用a d a p t i v ea u t o - r e g r e s s i v e ( a a r ) 进行特征提取后，分别采用m u l t i l a y e rp e r c e p t r o n s ( m l p s ) 和f i n i t ei m p u l s er e s p o n s em l p s ( f i rm l p s ) 对两类运动想象单信道e e g 进行分类，分类 精度分别为8 5 9 7 与8 7 4 。实验结果表明f i rm l p s 比标准的m l p s 有更高的性能。 g a r c i ag ne ta l h l 在频域及时频相关域里利用l i n e a rd i s c r i m i n a n ta n a l y s i s ( l d a ) 以及 g a u s s i a ns u p p o r tv e c t o rm a c h i n e s ( s v m ) 对两类运动想象e e g 加以分类，分类精度分别为 6 1 与8 6 ，实验结果表明用g a u s s i a n s v m 进行分类具有更高的性能。 其余b c i 研究小组则直接采用2 0 0 3 年b c i 竞赛的数据i i i 进行两类大脑运动想象的研 究，采用不同的特征提取与分类方法研究两类大脑运动想象任务，取得比参赛小组更好的 毒士里f 6 卜f 9 】 ；日木0 ( 2 ) 在异步模式下，对于两类大脑运动想象( 想象左、右手运动) b c i 的研究取得 的研究成果： 异步模式是指受试者自发同步地决定何时停止想象、何时开始下一个动作，实验是随 机进行的。相对于同步b c i 系统，异步b c i 系统提供了更为自然的人机互动模式。由于缺 篡 少针对使用者的控制意图以及适时选择的指示方法，导致异步b c i 系统的设计及性能评价 成为一大难题。异步b c i 系统的典型特征是能够对脑电数据连续分析与分类。 对想象左右手运动异步b c i 系统已取得研究成果有： f c i n c o t t ie ta l 们对异步模式下想象左右手运动e e g 的特征分类器加以比较，在对原 始脑电信号用w e l c hp o w e rs p e c t r u m 加以处理后，分别采用h i d d e nm a r k o vm o d e l ( h m m ) ，a r t i f i c i a ln e u r a ln e t w o r k s ( 砧州) ，m a h a l a n o b i sd i s t a n c e ( m d ) 三种分类法 对脑电特征加以分类，最后对分类结果加以比较得出结论：m d 与a n n 分类效果较好，h m i d 分类效果最差。 g e o r g et o w n s e n de ta l 1 用想象左右手运动的脑电数据来仿真一个异步脑机接1 2 ，实 现了对脑电数据的连续分类。为了优化分类结果，引入不应期与暂停时间段，较好地改善 了分类精度。 t s u ic h u ns i n gl o u i se ta ln 2 1 提出一个新的基于运动想象的异步b c i 系统来控制特定 环境下的仿真机器人，该环境能够在在线实验期间提供使用者的控制意图及时间设定，有 效地研究了基于运动想象的异步b c i 的在线训练及适应性；同时提出一种在线训练法，实 现搜寻此b c i 系统最优参数值的过程自动执行。实验结果显示所提出的异步b c i 在线训练 法有效地改善了b c i 性能。 ( 3 ) 对多类大脑运动想象的研究取得以下的成果： 山东大学：硕十学何论文 g r a zb c i 研究小组n 3 3 利用b p 特征提取方法提取出三类大脑运动想象状态：想象左手、 右手以及脚运动，采用l e a r n i n gv e c t o rq u a n t i z a t i o nn e u r a ln e t w o r k s ( l v qn n ) 算法将三 种运动状态在单次实验的基础下进行在线分类，四个受试者的在线分类结果显示：在最好 的情形下，只进行三次训练就能使分类精度达到约6 0 ；离线分析结果显示对特殊频率带 的选择会影响单次实验数据的分类。该脑一机接口使用了三对感知运动区域的双极通道 ( c 3 - c 3 ，c z c z 以及c 4 一c 4 ) 来记录脑电图，采样率为6 4h z 。 b e r n h a r do b e r m m e re ta l u 朝在g r a z 研究结果的基础上对5 种不同的大脑运动任务进行 了研究：想象左手、右手、脚、舌运动以及大脑计算任务。该b c i 系统能够分类这五种不 同的大脑运动状态。为了能够利用信息传输率评价该b c i ，5 种大脑任务被分成2 个，3 个，4 个，5 个不同任务的组合，随后给出这些组合构成的b c i 系统的信息传输率在0 4 2 0 8 l 比特事件，从而得出结论：不同大脑任务组成的b c i 系统的任务上限是3 个，对 每个实验对象而言，三个不同大脑运动任务的结合得到最大的信息传输率。k a l c h e rj 实 验小组在不改变特征提取方法的前提下采用h m m 分类法将分类精度提高到6 3 ；如果直接 对提取的原始脑电波利用线性支持向量机进行分类得到分类精度为6 3 。因为大脑运动任 务较多，该脑一机接口使用了2 9 个电极来记录脑电信号，采样率为2 5 6h z 。 清华大学的b c i 研究小组n 司也对三类大脑运动想象状态( 想象左手运动，想象右手运 动以及想象脚运动) 进行了研究：该实验小组采取连贯的在线适应训练以及离线训练两步 训练步骤，使用能够在线控制的最优参数及分类器提取出三类大脑运动想象状态，可用于 帮助残障人士轻松实现用自己的意识直接控制轮椅的运动。5 个受试者的在线分类精度平 均为7 9 4 8 ，离线分类精度平均为8 5 0 0 。该脑一机接口使用3 2 个e e g 通道来记录脑电 信号，采样率为2 5 6 h z 。 上述研究结果表明：多类运动想象任务的分类精度随着大脑任务数目的增加而下降， 实现实时在线处理较为困难。 对四类想象运动( 左手，右手，脚以及舌运动) 的研究已取得较大进展“1 们叫驯，主 要为g r a z 脑一机接口实验室的研究成果：先对原始脑电信号利用a a r 进行特征提取，然后 运用四种不同的分类法( m d a ，l d a ，k n n ，s v m ) 对提取的特征进行分类，最后对分 类精度加以比较得出结论：s v m 分类效果最好，k n n 分类效果最差；比较分析了对脑电数 据进行预处理采用的三种不同的独立成分分析算法( i n f o m a x ，f a s t l c a ，s o b i ) ，得出 结论用i n f o m a x 对脑电数据加以处理后取得最高的分类性能；研究了与四类运动想象有关 的脑电节律的变化，实验结果显示所有的受试者在进行手想象运动时，手的m u 节律产生 4 第一荦绪论 阻断( 去同步) ，然而在进行脚或舌运动想象时，大多数受试者手区域的m u 节律增强。 反应最为活跃的频率段在1 1 7 h z 0 4 ，产生去同步现象的波段较广，主要集中在 1 0 9 h z 20 9 ，而产生同步现象的波段范围较窄，在1 2 o h z l - 0 处出现高频。当对单次 实验进行分析和分类时，四类运动想象任务的可分性得到提高。对四类运动想象b c i 的实 现提供了理论基础，进一步讨论了四类运动想象脑电信号在空间的特征，以求改进分类精 度。v a l e r i em o r a s he ta l 通过研究发现在实际运动与想象运动产生前的事件相关去同 步同步可用来预测四个运动想象的某一个行为将要发生，预测精度依赖于信号的可存取 性。这为b c i 的建立提供了一个新的方法依据。 ( 4 ) 最近一段时间关于运动想象b c i 的研究侧重于b c i 的实际应用，比如智能轮椅， 仿真机器人等。比较有代表性的有： b a io ue ta l 昭妇提出一种新的非入侵b c i 研究方法来提高所研究的b c i 系统的临床实 用性，该实验并未对受试者进行大量训练。该实验要求受试者在锁定于预先定义好的时间 窗的时间内执行维持运动任务或停止运动任务，使用表面l a p l a c e 求导来增强脑电图的空 墼 间分辨率，一种非模型阈值设置方法用于运动想象的分类。该实验对身体真实运动和运动 想象任务都进行了研究，特征分析显示在感知运动区域脑电图b e t a 波段活动有大的区别。 与人的自然运动行为相关的脑电图的感知运动b e t a 节律可用于构建一个既可靠又高性能 的b c i 系统。参与实验的9 个受试者中，除了3 个不能分类以外，其余的都取得很好的分 类结果( 在线分类精度均超过8 0 ) 。这种脑一机接口使用了2 9 个电极来记录脑电信号， 采样率为2 5 6h z 。为了实现该b c i 的在线执行，需要进一步改进电极的放置位置及减少 电极总数，并改进分类方法。 清华大学的b c i 实验小组心2 3 采取减少电极数的方法来尽可能实现基于运动想象b c i 系统的便携性及实用性。该b c i 研究小组通过寻找两对双极电极的最优位置将电极总数减 少为4 个。首先运用独立成分分析法( i c a ) 寻找m u 及a l p h a 节律的源成分，然后通过比 较每一个通道上的信号源的投影权重来选择最优电极。8 个受试者的实验结果显示对比传 统的电极放置法，最优电极放置法取得更好的分类特性，一周以后最优电极放置的稳定性 得到进一步证实。但是该种随机搜索过程会消耗太多时间，并且容易导致对训练数据库的 过度使用。 t s u ic h u ns i n gl o u i se ta l 进一步验证了基于扩展的卡尔曼滤波器方法对于b c i 系 统l d a 分类器的所有参数的在线适应性，实现基于运动想象的异步b c i 系统来控制特定环 境下的仿真机器人。 山东入学硕十学伊论文 综合以上研究成果可知：近1 0 年来，脑一机接口的研究有了惊人的发展。但是，脑一 机接口作为连接生物智能系统与人工智能系统的一个复杂平台，对它的研究无疑是一项长 期而艰难的工作。g p f u r t s c h e l l e re ta l 晗4 1 曾经指出：今后g r a zb c i 的研究重点不但要寻找 合适的大脑任务，还要改进分类方法。为了控制b c i 系统，使用者必须产生能够被系统识 别的大脑行为模式并将其转化为命令。在大多数现有的b c i 系统中，这种识别依赖于分类 器算法。fl o t t ee ta l 心铂与b a s h a s h a t iae ta l 乜剐对不同的分类器算法加以比较，总结常用 的分类算法及其根本性质，为以后的b c l 分类器的适当选择提供指导。 1 3 研究的目的和意义 脑机接口( b r a i n c o m p u t e ri n t e r f a c e ，b c i ) 是一种不依赖于大脑外周神经与肌肉正 常输出通道的通讯控制系统，是在大脑与外部设备之间建立的直接交流通道。基于脑电的 b c i 技术是脑神经科学，认知科学，康复工程，现代信息学与计算机科学等学科共同发展 的产物，实现了人脑意识信息与计算机等电子设备间的交换，对进一步研究人的思维机理， 帮助有行为障碍的人康复等都具有十分重要的作用。作为一种多学科交叉产生的新型通信 技术，脑机接口研究无论在理论还是应用上都取得长足发展，吸引了人们越来越多的关 注。目前，对b c i 应用的研究主要集中在以下几个方面。 ( 1 ) 康复领域：与外界的交流以及对外部环境的控制是人类最基本的要求，对于身 体遭受严重残疾或瘫痪的人而言，能够实现这些需求的能力有限，甚至是根本不可能实现 的。虽然这些病人的肢体运动能力减弱，但他们的感知和认知功能通常都是完好的。b c i 系统可以把大脑发出的信息直接转换成能够驱动外部设备的命令，并代替人的肢体或语言 器官实现人与外界的交流以及对外部环境的控制( 如可以通过b c i 控制轮椅、机械手、 虚拟键盘等设备) 。基于大脑运动想象的b c i 的研究能够帮助认知功能正常而运动功能有 障碍的人们实现与外界的交流以及对外部环境的控制；同时b c i 也为正常人提供方便， 它可为人们提供无需体力操作的人机交互通讯方式，适合特殊环境下或不便采用传统控制 方式时用脑电控制外界设备。 ( 2 ) 辅助控制领域：为正常人在特殊情形下提供一种新的辅助控制方式。例如在手 术操作过程中，需要医生全神贯注，一丝不苟：此时传统的手、脚、语音等控制方式不能 完全满足要求时，这时就可以通过控制大脑意识活动产生的脑电特征进行控制；在飞行任 务中，出现紧急状况时飞行员可以利用思维产生的脑信号作为一种新的辅助控制方式，当 然这也需要非常高的稳定性和精确度。 6 第一章绪论 ( 3 ) 监控：对于长途司机、宇航员、医生等脑力劳动比较繁重的人进行监控，在他 们思维集中程度不够时及时提醒。 ( 4 ) 娱乐：b c i 装置可为人们提供一种全新的娱乐方式，例如通过控制“思想”玩 电子游戏，可以激发人们对电子游戏的兴趣。 ( 5 ) 脑认知：b c i 的研究过程，同时也是人类对自身大脑不断认识的过程，为人类 了解大脑，从而保护脑、创造脑提供基础。 1 4 本课题研究内容的提出 最近一段时间，国内国际开始研究一些服务性的机器人，主要针对运动功能有障碍的 对象开发的，希望能够用以帮助这些残障人士实现一些基本的动作。为了实现直接用人的 大脑意识控制机器人的运动，在采集到精确的脑电信号的前提下，实现机器人对运动方向 的识别。 本文研究基于头皮脑电的无创的b c i 技术，主要研究基于多类大脑运动想象的异步b c i 罩 技术。大脑运动想象脑电为自发脑电，与感觉运动皮层的神经电活动有关：m u 节律( 8 1 2 h z ) 与b e t a 节律( 1 3 - 3 0 h z ) 均产生于感知运动皮层，当人不从事感知运动输入或产生运动输 出的时候就会产生m u 与b e t a 节律，两种节律在枕和顶骨的位置比较突出，及时有效地提取 和识别这些与运动想象相关的脑电模式可以帮助严重瘫痪病人控制光标或辅助运动设备 以替代其受损的运动功能建立一种与外界交流沟通的新途径。 簿。 1 5 本文的组织结构 全文的主要内容和结构安排包括： 第一章给出b c i 的基本概念及这一研究实际意义，介绍了b c i 研究的国内外发展现 状，根根目前b c i 研究中存在的一些问题，确定本文的研究目的。 第二章阐述了脑电的生理机制，然后在了解脑电生理机制的基础上，分析脑电信 号的产生、特点和分类。从基于脑电的b c i 系统的四个组成部分：信号采集、信号处理、 模式识别以及控制装置，结合本文研究内容说明b c i 系统的工作过程。本章是脑电分析和 基于脑电的b c i 系统研究的基础，也是后续章节的理论根据。 第三章进行想象运动实验设计，完成试验程序设计实现采集脑电数据。首先根据 系统需求分析、功能模块划分、流程分析三个方面介绍了系统总体设计。然后在此基础上， 7 山东大学硕十学何论文 引入数据库的概念，说明数据库设计的基本原则和步骤，根据总体设计中划分的各个模块 分别给予具体实现，为后面的特征提取和分类识别任务做准备。 第四章介绍脑电信号的消噪预处理。由于脑电信号的非平稳性和背景噪声都很强， 需要采用有效的数据预处理手段消除噪声以突出特征是提高系统识别率的重要问题之一。 本章主要介绍了各种常用的滤波方法的原理，包括卡尔曼滤波、巴特沃斯滤波器、小波变 换等几种滤波方法。 第五章对自适应回归模型、小波变换法、独立分量定义和共用空间模式等几种在 现在研究中使用比较多的几种成熟的特征提取算法进行阐述对比。 第六章对f i s h e r 线性判别算法、人工神经网络、共用空间模式及支持向量机等识 别分类方法的推导及原理进行了说明。本文使用的识别方法是支持向量机，重点阐述支持 向量机的基本概念和分类原理。通过应用s v m 对实验获得数据以及2 0 0 2 年和2 0 0 3 年国际 b c i 竞赛数据集进行了分类识别。分类结果表明，本文提出的新算法足以对左、右手想象 运动时的试验脑电信号进行有效分类。 第七章总结文章的研究工作，对将来的b c i 研究进行展望。 8 第二章摹丁腑电的b c t 系统 2 1 脑电信号知识 第二章基于脑电的b cl 系统 2 1 1 脑电的生理机制 人的大脑是迄今为止我们所知道的最复杂的组织。它的复杂性不仅表现在其组成单 元数目巨大( 有约1 0 1 0 - - 一1 0 1 1 个神经元，1 0 1 4 个突触) 1 2 ，而且主要表现在其各单元之间 有着极其复杂的相互关系和相互作用。人脑所表现出来的许多神奇的功能，不是单个神经 元或某一局部脑组织所完成的，而是大脑的许多部分相互协调和相互配合的结果。 神经元的电活动：神经元的单位发放，符合“全或无”定律，包括突触后膜的突 触后电位，以及神经元发放之后的后兴奋电位与后超级化电位。 突触后电位：级量反应过程，不能迅速传导下去，只能在其产生部位附近按空间 总和规律叠加起来，包括兴奋性突触后电位和抑制性突触后电位两种。 脑电信号( e e g ) 主要是由皮层内大量神经元触后电位同步总和所形成的，是许多神 经元共同活动的结果。 2 1 2 脑电信号基础 2 1 2 1 脑电信号的产生 脑电信号主要是由皮层内大量神经元突触后电位同步综合所形成的，是许多神经元 共同活动的结果，它是一种大脑半球的生物电活动，是大脑皮层锥体细胞及其顶树突突触 后电位同步综合波，并由丘脑中线部位非特异性核团( 包括中央内侧核、中线核等) 起调 节作用，而丘脑、脑干网状结构与大脑皮层各部件的兴奋或抑制刺激和反馈作用，决定着 大脑的节律性同步活动。脑电信号来源于大脑皮层神经元，与血管和结缔组织无关，但与 年龄、感觉性刺激和机体生理化学有关。 2 1 2 2 脑电信号的特点 脑电信号不同于一般的生理电信号( 如心电信号) ，因此处理起来也跟其他信号有较 9 i jj 东大学硕十学何论文 大的不同，主要有以下几个特点： ( 1 ) 脑电信号是非常微弱的，含有很强的背景噪声( 如眼睛眨动等带来的干扰信号) 。一 般e e g 信号只有5 0p v 左右，最大1 0 0p v 。这种情况下需要具有很高标准准的检测分析 系统- 2 。能实现对脑电信号的处理。 ( 2 ) 脑电信号是具有强随机性的非平稳信号。由于大脑是一个非常复杂的系统，人们对 大脑的规律掌握的还非常少，只能通过不断的总结、统计分析才能归纳出脑电信号的随 机特性，因此还不能用一般的函数来描述这种特性。 ( 3 ) 非线性特点。生物组织的调节机能及适应机能必然影响到电生理信号，使其具有非 线性特点。如何减少非线性带来的误差也是信号处理中需要注意的问题。 ( 4 ) 脑电信号的频域特征比较突出，可以采用多种频域处理方法。 ( 5 ) 脑电信号一般都是用多电极测得的多导信号，在各导联之