用于運動感覺BCI系統(tǒng)的基于EEG的不同手部動作之間的識別.pdf

1、人類大腦的結構、生理特性,還有它具有的認知能力,研究起來都是非常困難的,并且鑒于人腦的生理特性,創(chuàng)傷性侵入式的信號獲取是不現(xiàn)實的,所以在目前的腦計劃研究中,最為可取的就是腦電波(Eletroencepalograph,EEG)研究。在應用層面,對于殘疾人或者運動不便的健全人來說,感覺運動相關的腦-機接口(Brain Computer Interface,BCI)系統(tǒng)是十分必要的。良好的 BCI系統(tǒng)應該直接從大腦活動記錄,并能提供實時反饋

2、給用戶,而它的關鍵技術是對腦電波信號的采集、提取和分類。
　　非侵入式的EEG研究在國內(nèi)外是具有局限性的,目前具有成果的研究領域主要是基于誘發(fā)電位的探討、利用眼動信號來控制外部設備,利用非直覺進行控制等。目前大多對于運動EEG的研究也只是限于區(qū)分出左右手,然而針對單個慣例手的不同手部動作的識別與分類相比于僅僅區(qū)分左手或右手要精細的多,也困難的多。本文所研究的正是慣例手的不同手部動作之間的分類。并且為了更好的分析,也為以后的后續(xù)任務

3、作鋪墊,本次的實驗設計加入了慣例手的手腕部的動作。
　　本文研究表明,在慣例手的三種不同的手部動作的運動執(zhí)行時,人腦產(chǎn)生的EEG信號是不同的。首先鑒于EEG波形在運動時發(fā)生于大腦感覺運動皮層區(qū)域的事件相關同步化(Event-Related Synchronization,ERS)和事件去相關同步化(Event-Related Desynchronization,ERD)現(xiàn)象,本文分別選用單側和雙側運動皮層腦區(qū)的數(shù)據(jù),提取出時域特征

4、和頻域特征。其中信號頻域內(nèi)的特征提取運用了經(jīng)驗模態(tài)分解算法(Empirical Mode Decomposition,EMD)。然后本文將特征數(shù)據(jù)行隨機打亂1000次并每次抽取出相應特征的前40行,計算數(shù)值平均值,在不同的兩類特征之間進行大小比較。多個數(shù)據(jù)特征組通過此種處理而得到了動作分類真值表,用此真值表對提取的特征進行分類,最終得出了平均準確率為78.75％的良好結果。
　　此次研究的主要創(chuàng)新點是提供了一種基于EMD算法的EE