脑机接口是在人脑与计算机或其它设备之间建立的直接交流和控制通道,通过这种通道,人就可以直接通过意识来表达想法或操纵设备,而不需要语言或动作。脑机接口系统可以扩展正常人和外界沟通的新途径,也可以有效增强由于严重神经系统混乱而导致肌无力的残障患者与外界交流和通信的能力,提高患者的生活质量。20多年来,随着人们对神经系统功能认识的提高和计算机技术的发展,脑机接口技术成为人工智能、生物医学工程以及计算机技术等领域的一个研究热点。基于运动想象的脑机接口系统主要通过分析感知运动节律变化来识别受试者的大脑意图并发出控制指令。系统由信号采集界面、信号处理界面和应用界面组成。信号处理界面是用来翻译用户意图的部分,主要由预处理、特征提取、信道选择和分类识别组成。本文立足于脑机接口的信号处理模块开展研究,分析自发式的运动想象引起的脑电节律变化,实现运动想象任务的识别与分类,共开发三种脑电信号分类识别方法,主要内容有:1.提出基于改进S变换和支持向量机的运动想象分类方法。该方法利用支持向量机分类基于改进S变换提取的脑电信号特征。为降低多信道造成的数据冗余和信号干扰,开发优化的包裹式算法来选择最合适的信道组合,降低算法复杂度的同时提高分类正确率。此方案最终取得满意的分类效果。2.提出基于组合特征和概率协作表示的运动想象分类方法。在获取脑电信号并对脑电信号进行预处理后,将基于改进S变换的功率谱密度特征与基于毯子维技术的分形特征连接成一个新的组合特征,采用具有鲁棒性的概率协作表示分类器对提取到的特征数据进行分类,最终获得良好的分类结果。3.提出基于卷积神经网络的运动想象分类识别方法,将卷积神经网络应用到想象动作的分类识别中。改进S变换算法被用于预处理原始脑电数据,卷积神经网络对输入的预处理信号进行特征提取和分类。脑电信号的提取特征部分与特征分类都是在卷积神经网络中完成的,避免传统方法中特征与分类器对接部分的数据损失。此开发方案具有更强的泛化性和发展前景。本文的研究工作有利于进一步推进基于运动想象脑机接口技术的发展,对更好更快地实现实时脑机接口系统有积极的促进作用。