论文部分内容阅读
脑机接口(BMI)是一种人机融合系统,它在大脑和外部设备之间提供了一条用于传输神经元电信号的通道,通过检测和分析该信号,使大脑恢复一些受损的运动机能,进而帮助运动障碍患者完成基本的运动任务,提高和环境的交互能力。 本文以单关节自发运动神经元放电模型为基础进行相关脑机接口方向的研究。首先,通过对模型的仿真实验,获得在没有视觉反馈条件下的单关节自发运动的综合数据集,包括相关神经元的放电活动以及肢体运动位置;其次,由于部分运动障碍患者无法将脊髓电流传递给肌肉,因此将设计解码器(数学模型)来替代脊髓电流,解码器的设计方法主要有基于卡尔曼滤波的线性解码器和基于BN-BP神经网络的非线性解码器,对这两种解码器的基础性能进行对比(包括离线测试以及在线测试)后发现非线性解码器具有更好的性能;最后,将该解码器带入原系统,对存在和不存在自然本体反馈情况下的肢体运动情况进行分析,实验结果显示,在缺失自然本体反馈后,非线性解码器的性能下降非常明显,无法恢复各个神经元平均放电活动,同时肢体也无法达到指定的运动位置,为了恢复解码器的性能,需要设计合适的辅助控制器。 针对控制器参数难以整定的问题,本文将引入改进的万有引力搜索算法设计PID控制器产生人工感知反馈信号,来直接刺激大脑皮层神经元,进而恢复肢体的运动任务。随后,使用强化学习中Actor-Critic算法结合人工神经网络对原有的PID控制器进行改进,使其能够达到更好的控制效果。由于神经元之间通过突触传递信号,同时电荷平衡的皮层内微刺激电流(ICMS)广泛应用于人工本体反馈研究,因此,本文还将引入尖峰神经元放电模型对外部信息进行编码,以ICMS电流作为输入,尖峰神经元模型的平均放电活动作为人工感知信号来刺激大脑皮层,并且结合无模型控制理论以及改进的万有引力搜索算法来实现基于广义刺激的闭环脑机接口框架。本文的实验结果表明,通过引入辅助控制器设计的人工感知信号可以有效地恢复肢体相关的运动任务以及其他皮层的神经元平均放电活动。