论文部分内容阅读
非植入式脑-机接口(Brain-Computer Interface,BCI)通过采集和解码人体生物电信号并转换成外部设备控制命令,可以为思维功能正常但运动功能障碍的人群提供与外部设备直接交流的新方式,且不依赖于传统的肌肉神经传输系统。脑电信号(Electroencephalography,EEG)由于采集相对方便、安全面被广泛应用于BCI系统中。然而在EEG信号采集过程中,不可避免的会出现伪迹或环境噪声干扰,且由于容体积传导,EEG的空间分辨率和信噪比低。独立分量分析(Independent Component Analysis,ICA)作为一种有效的空域滤波方法,被广泛的应用于BCI的消噪和特征提取中,可以提高EEG信号的信噪比。但是基于ICA的运动想象BCI系统(ICA-based Motor Imagery BCI,ICA-MIBCI)对导联分布和训练样本质量比较敏感,这将影响对运动想象EEG信号(Motor Imagery EEG,MIEEG)的有效分类。为了降低导联分布和数据质量对BCI系统的影响,提高系统性能,论文研究了基于独立分量分析的运动想象BCI系统导联优化算法和训练数据质量评估方法,具体内容如下:(1)设计了基于单次实验样本的ICA-MIBCI系统。该系统可以将所有单次实验样本的自测试结果按照识别率高低进行排序,然后选择前10个单次实验样本进行拼接作为导联选择阶段的ICA滤波器训练样本,从而减少了训练样本质量对最优导联选择的影响。(2)研究了基于ICA-MIBCI的导联优化方法。由于最优导联具有个体差异性,即使同一受试者在不同实验环境下采集的MIEEG数据最优导联也会有差异。如果不加选择的使用固定导联会导致系统性能明显下降,因此本文提出了基于ICA-MIBCI的导联优化方法。首先,根据常用的导联组合建立基于单次实验样本的ICA-MIBCI系统和共同空间模式MIBCI系统(Common Spatial Pattern based MIBCI,CSP-MIBCI)。基于选择的滤波器训练数据,每个候选导联组合设计ICA空域滤波器并应用到对应的MIBCI系统中,根据自测试识别率选择识别率最高的候选导联组合作为最优导联组合。实验结果显示,导联优化后,自测试、组间测试和不同被试之间测试平均识别率分别达到93.8%,87.7%和94%,相比较于导联优化前分别提高了 8.5%,9.5%和26.7%,相较于CSP分别提升了 2.8%,14.4%和36.2%。实验结果验证了所提方法的有效性。(3)提出了一种基于识别率矩阵图的脑电信号质量评估方法。由于脑电信号是强背景噪声下的微弱信号,通常含有大量非脑神经活动产生的伪迹干扰及噪声干扰。这些干扰的幅值往往高于EEG信号幅值且频谱与EEG信号存在重叠现象,从而导致采集到的信号出现质量问题,严重影响EEG信号的分类和外部设备的控制。准确地对信号质量进行评估有利于选择合适的EEG数据,提高系统的性能。因此,本文提出了一种EEG信号质量评估方法。首先设计识别率矩阵图,基于识别率矩阵图选取若干信号质量参数并设置合适的阈值。采用阈值评估法对32组EEG数据质量进行分类并根据人工标注的数据质量标签得出识别率。实验结果表明,本文提出的数据质量评估方法具有一定的有效性,其中最高平均识别率达到了91.6%。