华东理工大学论文报告封面..doc

《控制科学与工程前沿讲座》 题 目 脑机接口技术 学 院 信息科学与工程学院 专 业 控制科学与工程 姓 名 郭红杰 学 号 030130653 教 师 侍洪波 2014年1月6日 α波、μ节律和β节律信号 α波频率为8～13Hz是自发脑电信号主要成分之一，在几乎所有正常人清醒闭眼时都能出现，在枕区最强。当睁眼、思考问题或受其他刺激时，α波消失，这一现象称为α波阻断，人们重新闭眼时，α波又会重新出现。 μ节律出现在8～12Hz频率段，在感觉运动皮层区可检测到，它与人的运动行为相关。当人们进行运动或准备运动时，μ节律消失。 β节律的频率为13~30Hz，在睁眼视物或进行思考时可出现，反映了大脑皮层在兴奋。 利用α波幅值变化可设计控制外部设备开关的BCI系统，该系统的一大优点就是无需学习训练。科学家们研究的基于μ节律或β节律的BCI实现了指针在一维和二维方向上的移动瞳 。另外，通过调控μ节律或β节律，选择“YES”和“N0”来回答简单问题，准确率达到了95％。 3、BCI系统的原理及其基本组成 3.1 BCI系统的基本原理 大脑在进行思维活动、产生动作意识或受外界刺激时， 神经细胞将产生几十毫伏的微电活动，大量神经细胞的电活动传到头皮表层形成脑电波( Electroence phalogram，EEG )，此EEG将体现出某种节律和空间分布的特征， 并可以通过一定的方法加以检测，再通过信号处理（主要是特征提取和信号分类）从中辨析出人的意图信号，而将其转换为控制命令。来实现对外部设备的控制和与外界的交流。 3.2 BCI系统的基本结构 BCI系统通常由4 个部分组成：信号采集、特征提取、选择分类和外部控制装置。 当前，BCI系统的输出设备多是计算机， 输出形式也各异， 例如在计算机屏幕上显示光标运动、字符选择、计算机仿真模拟， 或者产生对神经假肢、轮椅的控制信号等。 BCI系统的关键技术 4.1 信号采集 当前，BCI 系统的两种常用的信号采集方式是侵人式和非侵入式。侵入式需专业医生进行手术把电极内置于大脑， 检测脑皮层电图( Electrocorticogram ， ECoG ) 等信号， 具有一定危险性， 而且还存在心理和伦理问题。非侵入式就是将电极帽戴在头上检测脑电图( EEG ) 等信号，检测方法简单， 但电极距离神经元较远，测得的信号信噪比低，给后继处理带来麻烦。目前，脑电图应用较多。采集到的信号，经过放大器放大，再经过预处理，最后转化为数字信号存储于计算机中。目前，BCI 系统采集的信号有视觉诱发电位( Visual Evoked Potentials ，VEP ) 、事件相关电位(Event—Related Potentials，ERP)P300、慢皮层电位(Slow Cortical Potentials，scP)、自发EEG的α波、μ节律和β节律信号等。 4.2 特征提取 预处理和数字化处理后的脑电信号经特征提取，提取出反映使用者意图的信号特征。目前，BCI系统常用的特征提取方法有自回归AR模型、小波变换和小波包分解、独立分量分析等。特征提取时，可根据信号的特点选择相应的时域或频域特征提取方法，如：由于P300信号在300ms附近频混严重，需要采用CWT (Continuous Wavelet Transform，连续小波变换)进行提取， 主要提取其时域特性；SSVEP(Steady—State Visual Evoked Potential，稳态视觉诱发电位)频域特性好，可采用FFT(Fast Fourier Transform，快速傅里叶变换)进行提取；μ节律和β节律的事件相关去同步电位(Event—Related Desvnchronizatlon，ERD)的特征提取，需采用大脑运动的对侧效应将其空域特性提取出来。但是，由于EEG信号信噪比低，且某些干扰成分与信号具有相似的时频特性，单纯的时频特征提取因区分度不够，会影响分类效果，因此需求助于更为复杂的时域一空域分析方法对信号进行综合处理。 4.3 信号分类 信号分类是通过分类器来实现的，包括线性和非线性两种类型。线性分类器包括线性判别分析(Linear Discrim—inant Analysis，LDA)、Fisher判别分析等；非线性分类器包括二次判别分析、支持向量机(Suppoa Vector Machine，SVM)、贝叶斯～卡尔曼滤波(Bayesian—Kalman Fi