基于EEG的實時腦-計算機接口和遠程控制系統(tǒng)的分析與設計.pdf

1、EEG(Electroencephalography)是通過醫(yī)學掃描儀器將人體腦部自身產生的微弱生物電放大記錄而得到的曲線圖。它是由人腦皮層神經元放電產生的電位組成，具有非侵入、無損傷、高時間分辨率、直接反映大腦電活動的特點?；谀X電(EEG)的腦-計算機接口(Brain-Computer Interface)是在人腦和計算機之間建立不依賴于常規(guī)大腦信息輸出通路(外周神經和肌肉組織)的全新對外信息交流和控制技術。通過腦-計算機接口技術，

2、人就可以不需要語言或動作，而直接通過腦的思維活動來表達想法或控制外部設備。這不僅可以有效增強身體嚴重殘疾的患者與外界交流或控制外部環(huán)境的能力，提高患者的生活質量，還能為正常人提供很多高效的人機接口和交互模式。本文首先在介紹腦-計算機接口技術的背景研究和現有的比較領先的腦-計算機接口系統(tǒng)的基礎上，提出了所研發(fā)設計的腦-計算機接口框架，然后實現了一套具有高準確率、低延遲、實時分析能力、功能完整、能針對受試者的差異進行針對性訓練，具有很強的在

3、線適應能力，并能進行實時遠程機械車控制的腦-計算機交互平臺。研發(fā)的腦-計算機交互平臺主要基于用戶運動想象的EEG模式的分析與控制分類，最后在機器學習訓練的基礎上進行在線的遠程機械車控制。系統(tǒng)由腦信號采集、信號預處理、特征提取、模式分類、受試者應用程序和遠程控制系統(tǒng)、可視化程序等模塊構成。一套結合了獨立分量分析和時間濾波器的預處理過程被用來去除偽跡和噪聲降低。該腦-計算機交互平臺中，實現了多種特征提取方法，包括小波分析和時頻譜分解、共同空

4、間模式特征提取和公共判別張量分解，形成的特征向量被支持向量機用于訓練和分類。為驗證所研發(fā)的腦機交互系統(tǒng)的有效性，幾位受試者參與了數據的采集、分析和在線實驗。再經過論文中所介紹的受試者交互訓練和在線模擬訓練后，系統(tǒng)會迭代的計算一個基于交叉驗證的最優(yōu)化模型。在線實驗中受試者利用訓練好的模型，進行在線的腦波模式識別和分類，并利用分類結果和相關控制策略算法行程連續(xù)控制命令來控制一輛通過藍牙通訊的遠程機械車沿著一條指定路線行進和轉向，設置在遠程系