硕士论文∶脑－机接口BCI的研究.doc

目 录 摘 要 I Abstract III 第一章 绪论 1 1.1引言 1 1.2国内外研究发展 2 1.2.1 国外基于脑电的BCI研究思路 3 1.2.2 国内基于脑电的BCI研究发展 4 1.3问题提出 5 1.3.1软件系统问题 5 1.3.2识别算法问题 5 1.4实验设计 6 1.5论文研究的主要内容 7 第二章 脑电及基于脑电的BCI系统 9 2.1脑电的生理机制 9 2.1.1脑的结构 9 2.1.2脑电来源 9 2.1.3大脑皮层的不同功能区划分 10 2.2脑电信号 11 2.2.1脑电信号的产生 11 2.2.2脑电信号的特点 12 2.2.3 脑电信号的分类 12 2.3 基于脑电的BCI系统 14 2.3.1 BCI系统分类 14 2.3.2 BCI系统中的信号采集 15 2.3.3 BCI系统中的信号处理 17 2.3.4 BCI系统中的模式识别 19 2.3.5 BCI系统中的控制装置 19 2.4 小结 19 第三章 BCI实验软件系统设计与实现 20 3.1 实验软件系统总体设计 20 3.1.1 实验软件系统需求分析 20 3.1.2 软件功能模块划分 22 3.1.3 软件系统流程分析 24 3.2 数据库的设计 24 3.2.1 数据库设计的原则和步骤 26 3.2.2 需求分析 26 3.2.3 概念设计 27 3.2.4 逻辑设计 29 3.3 实验软件系统的实现 31 3.3.1 开发环境 31 3.3.2 登录功能的实现 32 3.3.3 数据采集与通讯模块的实现 32 3.3.4 EEG分析模块的实现 34 3.3.5 实验者信息管理模块的实现 35 3.3.6 系统管理模块的实现 36 3.4 小结 37 第四章 EEG预处理 38 4.1 特征描述 38 4.1.1 运动前准备电位 38 4.1.2 事件相关去同步和事件相关同步 40 4.2 零相位数字滤波 41 4.3 处理流程 42 4.4 频域和时域滤波 43 4.5 小结 46 第五章 EEG特征提取 47 5.1 共空域子空间分解 47 5.2 基于BP的特征提取 50 5.3 基于ERD的特征提取 52 5.4 小结 52 第六章EEG分类识别 54 6.1 支持向量机的提出 54 6.2 支持向量机的分类原理 54 6.3 分类 56 6.3.1 数据预处理 56 6.3.2 选择核函数 57 6.3.3 确定核参数和误差惩罚因子 57 6.3.4 分类结果 59 6.4 小结 60 第七章 总结与展望 61 7.1 主要工作总结 61 7.2 工作展望 63 参考文献 64 摘 要 近几年来，计算机技术的飞速发展和信号处理技术的长足应用，使得人们对脑－机接口(BCI)的研究和应用成为可能。BCI是在人脑和计算机或其他电子设备之间建立的一种直接的信息交流和控制通道，是一种不依赖于常规大脑输出通路(外周神经和肌肉组织)的全新的信息交流系统。这种新的信息交换和控制技术，将能为瘫痪病人，特别是那些丧失了基本肢体运动功能但思维正常的患者，提供一种与外界进行信息交流和控制的新途径，正受到越来越多的重视。 目前，用于BCI研究的脑电图仪大多都是专用的，它们具有实验设计方便、数据提取快速等优点，但价格昂贵。而医院临床使用的脑电图仪尽管价格相对便宜，但因为专用于为病人诊断病情，缺少相应的软件平台支持而不能用于BCI研究。因此在本课题中，作者首先基于临床使用的脑电图仪利用VC++ 6.0设计实现了一个软件系统Sdund，该系统首先从USB接口读取硬件系统采集的脑电数据，并以图形方式实时显示，以数据文件形式进行保存。然后在波形回放时可以提取事件相关数据和信息，供后继分析处理，数据库采用SQL Server 2000。同时，系统还基于以上功能设计实现了左、右手食指敲击键盘实验。 本文研究的BCI实验是基于手指动作的单次试验脑电信号分类，该类实验由于具有实验方法简单、响应时间短、识别率较高等优点而成为一个研究重点。在该论文中，作者提出了一种基于脑电信号中的动作准备电位(BP)和事件相关同步化（ERD）,使用支持向量机（SVM）作为分类器的算法来分类左、右手食指敲击键盘时的单次试验脑电信号。在通过Sdund系统获得实验者的事件相关数据后，由于BP现象出现在低频段，ERD现象出现在中频段，因此首先将多通道EEG数据分别通过低通滤波器和带通滤波器，然后用时间窗进行时域上的过滤，选取现象表现最明显的一段数据，再通过共空域子空间分解(CSSD)从信号中提取特征，设计空间滤波器，最后基于提取的特征，通过SVM训练后，进行分类识别。在对三个人的脑电数据分类中，平均识别率达到了71%，同时将本算法应用于2003年和2002