论文部分内容阅读
混合型脑-机接口(Hybrid Brain Computer Interface,HBCI)是指在单一脑电信号模式基础上加入一种或多种新的控制方式,如另一种脑电信号模式或者是心率、眼动、血流变化等生理信号,进行混合控制的BCI。HBCI具有可完成任务种类多、识别准确率高、控制方式灵活等优点,已成为改进BCI系统性能研究的新方向。本文研究了融合运动想象脑电信号和眼动信号的混合脑-机接口在线控制系统,包括脑电和眼电信号的采集、预处理、特征提取和模式识别方法,并完成了实时控制小四轴飞行器的飞行操作实验。本文主要研究工作如下:(1)在分析比较了时域分析法、时频域分析法和共空间模式(Common Spatial Pattern,CSP)等特征提取方法的基础上,设计了OVO-CSP(One Versus One CSP)算法和OVR-CSP(One Versus the Rest CSP)算法提取多类别脑电信号的特征。(2)对EEG信号的模式识别方法进行了研究改进。详细分析了OVR-SVM(One Versus the Rest Support Vector Machine)、OVO-SVM(One Versus One Support Vector Machine)、DAG-SVM(DAG Support Vector Machine)等多种分类方法各自的优缺点,提出了一种新的双层SVM分类器结构对四类脑电信号进行分类。用2008年竞赛数据集data set 2a验证了该双层SVM分类器结构的分类正确率,并与DAG-SVM方法进行了对比。本文提出方法虽然训练时间比DAG-SVM略长,测试时间与DAG-SVM相差不多,而其分类正确率明显高于DAG-SVM。(3)提出用双树复小波变换(DTCWT)提取眼电信号的特征参数,解决了离散小波变换(DWT)提取眼电信号特征时存在的频率混叠、平移敏感性等缺陷。根据Donoho阈值去噪理论估计DTCWT分解后各层小波系数的阈值,阈值重构后进行下采样将其作为眼电信号的特征参数。采用SVM和时域特征相结合的方法进行分类,SVM分类器识别眼动为水平方向上的运动或垂直方向上的运动,再用眼电信号的时域特征识别水平或垂直方向上的眼动模式。实验结果显示,该分类方法能有效识别眼球的扫视模式和连续眨眼模式。(4)搭建了混合脑-机接口在线控制实验平台,在Emotiv EPOC脑电采集仪上扩展了眼电信号采集电极,将数据实时传回计算机。在MATLAB2015和VS2010上分别编写了GUI控制界面,设计了纠错机制。在线实验结果显示,该混合系统能够较好的完成圆点博士小四轴飞行器的起飞、前飞、左飞、右飞、后飞和降落等在线控制操作。