论文部分内容阅读
脑机接口(Brain Computer Interface,BCI)是一种直接在人或动物的大脑与外部对象建立起信息交流和控制通道的技术,它不通过大脑常规的控制输出通道如外周神经和肌肉组织。通过采集记录和分析大脑的脑电信号,大脑的特定神经元活动可以通过信号处理、模式识别和机器学习等方法识别出来,进而可以输出一些简单的指令用于与外界的交流或者控制外部对象。在BCI研究的早期,BCI技术主要应用于医疗领域,帮助运动功能缺失的残障人士恢复基本的运动能力,而现在BCI技术作为一个研究工具在教育、军事、游戏和娱乐等方面应用越来越广泛。在典型的BCI应用中,其工作原理一般是采集大脑活动的脑电信号,并对其进行一系列算法处理,输出控制信号用于外部对象的控制。BCI系统按照是否侵入大脑可以分为3类:非侵入式BCI、侵入式BCI和半侵入式BCI。本文研究的基于运动想象的BCI为非侵入式,通过脑电设备采集受试者在进行运动想象任务时脑电信号训练分类器进而用来在线识别其大脑运动想象思维活动并输出控制指令。在BCI系统中,脑电信号的而处理是核心,包括噪音信号的去除、非稳态的脑电信号的特征提取和分类,运用的算法的识别准确率直接决定了控制效果和使用体验。本文研究了基于运动想象的BCI应用中的关键技术,包括:1)运动想象的EEG信号采集的实验设计和采集方法,2)信号预处理技术,使用了多变量经验模态分解算法进行了伪迹去除,并与独立成分分析方法进行比较,3)研究了EEG信号的特征提取和分类,并使用共空间模式算法和线性判别分析算法对第四届BCI竞赛的数据集和自己采集的数据集进行了实验,4)基于前面的研究搭建了两个在线脑机接口无线控制系统,实现了基于运动想象的屏幕光标控制可小车的无线控制。基于以上的研究,后续将进一步在算法和控制方面进行改进和优化,为后续开展基于脑机接口的外骨骼机械手控制打好基础。