论文部分内容阅读
肌萎缩性脊髓侧索硬化症、帕金森氏症等多种神经系统疾病患者,体内运动神经元逐渐凋亡,可致使全身瘫痪,丧失全部的行动能力,无法与外界进行沟通,生活更不能自理,承受着常人难以想象的孤独和痛苦,生存质量难以保证。脑机接口技术为人类提供了一种全新的对外交流方式,它不依赖于周围的神经组织及肌肉,使人的大脑可以直接控制外部电子设备。因而,基于脑机接口技术进行助残设备或系统的研究尤为重要。 为帮助行动能力全部丧失的患者与外界沟通,本文设计了一套基于脑电接口技术的残疾人辅助通讯系统。该系统以P300电位作为控制信号,研究了脑电信号中眼电伪迹自动去除的方法,多种特征相结合的特征提取算法以及无监督分类器的设计方法,对采集的脑电信号进行分析处理,判断出患者所要表达的意愿,将其显示在屏幕中,并且人工合成语音,使用扬音器进行播放,以唤起医护人员的注意,同时达到辅助沟通的目的。本论文取得的主要研究成果如下: (1)基于独立分量分析的脑电信号中眼电伪迹自动去除的方法 基于独立分量分析和多种熵理论提出一种眼电伪迹的自动识别和去除方法。首先使用独立分量分析对含有眼电伪迹的脑电信号进行独立分量分解,接着求取每个独立分量的峭度、renyi熵和样本熵构成特征向量,进而使用k均值聚类分析自动识别出含有伪迹成分的独立分量,通过将伪迹成分置零重构出纯净的脑电信号。该方法不仅克服了人工参与伪迹识别和去除过程造成的工作量大,引入主观性干扰等不足,而且对不同导联数以及长度的数据也表现出了很好的鲁棒性,实验结果表明:本方法可以有效地去除眼电伪迹并且对脑电信息破坏较小。 (2)基于小波包与共空域子空间相结合的P300电位特征提取方法 针对P300电位信号微弱、常常被自发脑电及其它噪声淹没,抗干扰能力差、识别率低的问题,提出一种P300电位的特征提取方法。首先对采集的脑电信号进行叠加平均以提高其信噪比,然后使用小波包提取P300电位的有效频段,进而求取信号的AR模型功率谱,并基于CSSD法构造空间滤波器,获得能够体现P300电位时-频-空特征的特征向量,最后利用支持向量机进行分类。实验结果表明:本方法可以有效地提取P300电位的特征,获得了较高的识别正确率。 (3)基于自组织竞争神经网络的特征分类方法 目前,用于脑电信号分类的分类器大多为监督型分类器,该分类器的分类正确率较高,但需要大量高质量的训练样本,增加了其应用的成本,并且分类正确率受训练样本影响较大,分类效果不稳定。为此,结合P300的特点,提出一种基于自组织竞争神经网络的特征分类方法,并基于遗传算法对自组织竞争神经网络的初始权值进行优化。本方法无需训练样本,并且获得了较高的分类正确率。 (4)基于P300电位的辅助通讯系统设计 在以上对脑电信号进行预处理、特征提取及特征分类方法研究的基础之上,提出一种基于视听联合刺激诱发的P300电位的实验设计方法,以更有效地获得P300电位。进而设计一种基于P300电位的辅助通讯系统,通过对采集的脑电信号进行分析处理,判断出患者所要表达的意愿,将其进行屏幕显示的同时,通过人工合成语音并使用扬音器进行播放,唤起医护人员注意,实现患者与他人沟通、寻求帮助的双重目的。 本文的研究成果进一步提高了脑机接口系统的有效性与稳定性,对残疾人辅助通讯系统方面研究提供了一条全新的思路,对促进脑机接口技术在助残设备领域中的应用具有积极的意义。