论文部分内容阅读
运动想像脑机接口(Motor Imagery-based Brain Computer Interface,MI-BCI)技术在运动控制、神经康复和特种工业环境下的智能作业等领域有着巨大的应用价值。MI-BCI技术由于其涉及到的神经机制与运动密切相关,因此在提升患者的运动控制能力、脑区信息处理效率以及脑瘫痪康复训练中能发挥重要作用。国内外许多研究团队均研发出了能够实时输出控制命令的在线MI-BCI系统,但是由于受脑电(Electroencephalogram,EEG)采集技术限制,便携性差,操作繁琐等因素的影响,大部分MI-BCI系统仍停留在实验室阶段。近年来,基于FPGA和ARM的便携式平台处理器性能有了很大的提升,其算法处理和运算速度都有革命性的突破,可以应对大部分BCI系统中的运算任务,为了促进MI-BCI技术的实用性发展,本文研发了一种便携式MI-BCI系统,系统采用FPGA和ARM相结合的多核异构处理器作为核心控制器,运行ARM Linux移动平台操作系统,实现了2类MI任务的实时控制和分类结果反馈,该系统操作简便,体积小,可以与外骨骼机器人和电控轮椅等康复训练辅助设备配合使用,能够提升患者的生活质量并进行康复训练。本系统主要工作包括便携式系统搭建、MI算法移植以及MI-BCI系统应用程序开发三大部分。其中便携式系统搭建包括了基于FPGA的ADC控制器、IIR滤波器和FIFO存储器的实现以及数据读取设备驱动程序设计;MI算法移植部分主要完成了基于~2的特异性频带确定算法、共空间模式(Common Spatial Patterns,CSP)空间滤波器算法和线性判别式分析(Linear Discriminant Analysis,LDA)算法的C++移植。MI-BCI系统应用程序包含了EEG信号显示程序和MI-BCI交互程序两部分,实现了EEG信号采集与显示、任务提示与反馈、训练任务参数估计和测试任务实时分类反馈等功能。最后,为了测试该系统能否正常工作,对系统的FPGA数据采集、EEG信号显示、IIR滤波、MI算法以及系统整体功能进行了测试,通过15名受试者进行MI-BCI实验测试得到本系统的平均准确率为80.6%,测试结果表明,本系统能够达到现有的基于PC平台的系统同等水平的准确率,满足现有的应用需求。