基于脑肌电融合的混合脑机接口研究.PDFVIP

３５ 卷 １ 期 中　 国　 生　 物　 医　 学　 工　 程　 学　 报 Ｖｏｌ. ３５　 Ｎｏ. １ ２０１６年２月 Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｆｅｂｒｕａｒｙ　 ２０１６ 基于脑肌电融合的混合脑机接口研究 谢　 平　 陈迎亚　 郝艳彪　 陈晓玲　 杜义浩　 吴晓光∗ (燕山大学电气工程学院河北省测试计量技术及仪器重点实验室ꎬ河北 秦皇岛０６６００４) 摘　 要:动作模式识别是脑机接口技术的核心内容之一ꎮ 针对目前脑机接口动作识别模式单一、识别率低等问题ꎬ 基于混合脑机接口思想ꎬ提出一种脑电和肌电特征融合策略ꎬ可实现单侧肢体不同动作模式的有效分类ꎬ进而可用 于脑机接口技术ꎮ 同步采集９名健康受试者单侧手腕屈/ 伸两种动作模式下的脑电信号和表面肌电信号ꎬ分别提 取脑电信号事件相关去同步化特征和表面肌电信号的积分肌电值特征ꎬ构建基于支持向量机和粒子群优化算法的 脑肌电融合及运动模式识别模型ꎬ通过调整“特征融合系数”来实现动作模式最优分类ꎬ从而提高模式识别的准确 率ꎻ进一步通过递降健康人的肌电信号幅值来模拟患者和运动疲劳状态下的肌电信号ꎬ验证所提出方法对动作模 式识别的有效性ꎮ 实验结果表明ꎬ基于脑肌电融合特征的动作模式识别率(９８％)比单纯依靠脑电特征的识别率 (７３％)提高２５％ꎻ在运动疲劳状态下ꎬ基于脑肌电融合特征的识别率稳定在８０％以上ꎬ比单纯依靠肌电特征的识 别率提高１４％ꎮ 可见ꎬ脑肌电融合策略能提高动作模式识别的准确性和鲁棒性ꎬ为混合脑机接口技术提供条件ꎮ 关键词:脑肌电融合ꎻ事件相关去同步化ꎻ粒子群优化ꎻ动作模式识别 中图分类号　 Ｒ３１８　 　 文献标志码　 Ａ　 　 文章编号　 ０２５８￣８０２１(２０１６)０１￣００２０￣１１ Ｍｕｌｔｉｍｏｄａｌ Ｆｕｓｉｏｎ ｏｆ ＥＥＧ ａｎｄ ＥＭＧ Ｓｉｇｎａｌｓ ｆｏｒ ａ Ｈｙｂｒｉｄ ＢＣＩ Ｘｉｅ Ｐｉｎｇ　 Ｃｈｅｎ Ｙｉｎｇｙａ　 ＨａｏＹａｎｂｉａｏ　 Ｃｈｅｎ Ｘｉａｏｌｉｎｇ　 Ｄｕ Ｙｉｈａｏ　 Ｗｕ Ｘｉａｏｇｕａｎｇ∗ (Ｋｅｙ Ｌａｂ ｏｆ Ｍｅａｓｕｒｅｍｅｎｔ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ ｏｆ ＨｅｂｅｉＰｒｏｖｉｎｃｅꎬＩｎｓｔｉｔｕｔｅ ｏｆ Ｅｌｅｃｔｒｉｃ Ｅｎｇｉｎｅｅｒｉｎｇꎬ Ｙａｎｓｈａｎ ＵｎｉｖｅｒｓｉｔｙꎬＱｉｎｈｕａｎｇｄａｏꎬＨｅｂｅｉ０６６００４ꎬＣｈｉｎａ) Ａｂｓｔｒａｃｔ:Ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ｉｓ ｏｎｅ ｏｆ ｔｈｅ ｈｏｔ ｒｅｓｅａｒｃｈｅｓ ｉｎ ｔｈｅ ｂｒａｉｎ￣ｃｏｍｐｕｔｅｒ ｉｎｔｅｒｆａｃｅ ｔｅｃｈｎｏｌｏｇｙ. Ｉｎ ｏｒｄｅｒ ｔｏ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍｓ ｉｎ ＢＣＩꎬｓｕｃｈ ａｓ ｍｏｖｅｍｅｎｔ ｐａｔｔｅｒｎ ｓｉｎｇｌｅｎｅｓｓ ａｎｄ ｌｏｗ ｒｅｃｏｇｎｉｔｉｏｎ ｒａｔｅꎬａ ｈＢＣＩ￣ｂａｓｅｄ ｓｔｒａｔｅｇｙ ｆｕｓｉｏｎｉｎｇ ｔｈｅ ｆｅａｔｕｒｅｓ ｏｆ ＥＥＧ ａｎｄ ＥＭＧ ｗａｓ ｐｒｏｐｏｓｅｄ ｔｏ ｒｅａｌｉｚｅ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｄｉｆｆｅｒｅｎｔ ｍｏｔｏｒ ｐａｔｔｅｒｎｓｗｉｔｈ ｕｎｉｌａｔｅｒａｌ ｌｉｍｂ. Ｉｎ ｔｈｅ ｐｒｅｓｅｎｔ ｓｔｕｄｙꎬｔｈｅ ｅｖｅｎｔ￣ｒｅｌａｔｅｄ ｄｅｓｙｎｃｈｒｏｎｉｚａｔｉｏｎｆｅａｔｕｒｅｓ ａｎｄ ｉｎｔｅｒｇｒａｔｅｄ ｅｌｅｃｔｒｏｍｙｏｇｒａｍ ｆｅａｔｕｒｅｓｗｅｒｅ ａｂｓｔｒａｃｔｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ＥＥＧ ｏｖｅｒ ｂｒａｉｎ ｓｃｏｐｅ ａｎｄ ＥＭＧｆｒｏｍｆｌｅｘｏｒ ｃａｒｐｉ ｕｌｎａｒｉｓ ａｎｄ ｅｘｔｅｎｓｏｒ ｃａｒｐｉ ｒａｄｉａｌｉｓ ｌｏｎｇｕ