脑电信号(Electroencephalogram,EEG)是一种伴随人类思维产生的生物电信号,是通过布置在头皮或颅内的电极记录下来的脑细胞群电活动。目前,基于脑电信号的脑机接口(Brain-Computer Interface,BCI)技术已经成为研究热点,但在脑电控制假肢方面成果较少,直接通过脑电信号实现对手部多个动作的识别比较困难。作者从人在做手部张开、闭合、左旋、右旋四个动作时伴随的一些身体各部分的自然反应着手,发现在手部做动作的过程中伴随的眼动比较明显,本文分别在闭眼和眼动辅助下两种状态下对手部的不同动作模式脑电信号进行了分类识别研究,所做的工作主要有以下几个方面:(1)提出了基于Hankel矩阵的SVD脑电信号陷波方法。利用脑电信号构造Hankel矩阵进行SVD奇异值分解,通过加入一定幅值的正弦型信号作为“引导信号”,将信号中的与工频频率相同的50Hz频率成分对应的一对奇异值找出,由频谱幅值与SVD分解后的奇异值近似相等的性质,可以在去除工频干扰的同时保留原信号中的50Hz成分。这种方法有别于其他的滤波方法,一般的滤波方法通常会把50Hz频率成分完全滤掉,或者在滤除50Hz频率的时候将周围的频率也一起滤除,这就会导致信号一定程度的失真,而提出的方法最大限度的还原了信号,更有利于后期的脑电信号处理。(2)基于脑电控制假肢中关于闭眼运动想象配合手部对应动作和眼动辅助下运动想象配合手部对应动作进行对比性实验的要求,设计了脑电采集实验。由于脑电信号的微弱性和敏感性,为了尽可能减少干扰,实验中不采用任何刺激诱导方式,而由受试者自行操控实验过程,另一名协助人员在旁记录时间点。为能较全面的研究手部动作的脑电信号模式,设计了两个实验:一是闭眼想象手部动作实验,实验要求受试者闭眼分别进行右手手部做张开、闭合、左旋、右旋四个动作的运动想象,同时右手配合做相应动作;二是眼动辅助手部动作实验,实验要求受试者将右手放于桌上,与眼睛保持20~30厘米距离,距离一旦确定整个实验过程都不能改变,实验过程中眼睛以拇指为注视点,在手部动作时眼睛也随着移动。(3)基于脑电信号特点提出了三种针对手部动作脑电信号的特征提取识别方案。方案一:基于小波熵的脑电复杂度研究。利用小波包分解得到位于运动感觉皮层的C3导脑电信号各个节律的小波系数,通过小波系数计算小波能量得到小波熵,以各节律小波能量及小波熵作为特征。方案二:基于动态能量的脑电信号识别研究。利用小波包分解提取位于运动感觉皮层的C3导脑电信号的各个节律,以50个采样点为步长,1个采样点为步进距离计算脑电各节律的动态能量作为特征。方案三:基于脑电信号μ节律的头部空间能量识别研究。利用小波包分解提取全部13导脑电信号μ节律部分构建头部空间能量作为特征。将以上三种方案提取的特征分别输入Elman网络进行识别研究,但从识别结果来看,这三种方案对闭眼想象状态下手部动作的脑电信号分类效果并不理想。(4)对闭眼和眼动辅助两种状态下的手部动作脑电信号进行了对比分析研究。首先通过计算闭眼想象手部动作和眼动辅助想象手部动作两种情况下的脑电信号小波熵,证明了眼动辅助下的脑电信号比闭眼想象的脑电信号复杂度更低。然后通过SVD算法提取了眼动辅助下脑电信号的眼动信息作为特征,输入Elman网络进行手部四个动作模式的识别研究,识别准确率达到了84%。(5)创新性的提出了利用手部动作时伴随的不同眼动情况来帮助进行手部动作的识别。以往研究人员利用眼动辅助控制假肢,一般会利用眼睛做与手部动作无关的运动(如眼珠顺时针转、逆时针转、左移、右移等)时在眼睛周围采集到的眼电信号来对应手部动作的不同模式,虽然也达到了较高的识别率,但是这样做会显得不那么“自然”。本文研究了在眼动辅助下手部做四个不同动作时的脑电信号,从识别结果来看,利用脑电信号中包含的眼动信息识别手部不同动作模式的方案是可行的。