基于时频域分析的运动想象脑电信号分类

人的不同运动想象会产生不同的脑电信号.脑机接口系统就是利用这种不同的脑电信号,利用外部的连接和控制设备将不同的思维活动与不同的指令结合起来,实现人脑和外部设备的通信.为了从包含各种噪声的脑电信号中提取特征,国内外学者运用各种方法,通过多种途径,力图达到最优的信号分类模式.文章介绍了一种新的方法运用于运动想象脑电信号分类,该方法基于脑电信号的时频域分析,结合C3,C4电极脑电信号间的相互关系,依据Fisher距离进行特征抽取,运用线性分类器进行分类.该算法运用到3名受试者的脑电数据中,分别对选取脑电信号特征频率段、Kappa值、和脑电信号特征选取不同时间段进行分析.分类效果因受试者而异,从65.0%到93.1%.     

基于脑电信号的身份识别方法

基于脑电信号的身份识别是通过采集试验者的脑部信号来进行身份认证.对于同一个外部刺激或者主体存思考同一个事件的时候,不同人的大脑所产生的认知脑电信号不同.选取与运动意识想象有关的电极后,分析不同个体在特定状况下脑电的个体差异,采用以回归系数、能量谱密度、相同步、线性复杂度多种信号处理结合方法对运动想象脑电信号进行处理来进行特征提取.组合多元特征向量并运用多层BP神经网络对不同个体的脑电信号进行分类,并在不同的意识想象及不同数据长度、不同的波段对试验者进行识别率验证分析.结果表明,不同运动想象的平均识别率均在80%以上,其中以想象舌头运动的识别率较高,达到90.6%,不同波段的识别率也表明意识想象的模式及相应波段对身份认别有较大的影响.     

基于功率谱峰值及时变线性分类算法的运动意识分类

背景:脑电信号的特征提取是脑机接口系统中一个重要的环节,如何快速有效地提取反映大脑意识任务状态的脑电特征是进行分类、正确解读意识任务的关键.目前,提取脑电信号特征通常采用功率谱密度估计、自回归模型和小波变换等方法,这些特征都是以脑电信号的线性化为前提,上述方法不能很好地反映出大脑的非线性动力学性质.目的:分析脑电信号功率谱峰值在识别左右手想象运动中的作用.方法:采用脑机接口2003竞赛中Graz科技大学提供的脑电数据,用小波包分解获取8～24 Hz脑电信号,计算C3,C4电极脑电信号的功率谱峰值作为脑电特征向量,运用时变线性分类算法对运动意识任务运行分类.结果与结论:对140次实验的测试样本进行数据分析,最大分类正确率可达89.29%,最大互信息和信噪比分别为0.6269 bit和1.3848.C3,C4电极8～24 Hz脑电信号功率谱峰值能很好地反映左右手运动想象脑电特征的变化,与事件相关去同步/事件相关同步现象变化一致,可在线识别左右手想象运动.     

小波熵提取脑意识任务特征的脑机接口设计

目的:基于脑电图信号的脑-计算机接口是近年来一个热门的研究领域。脑机接口为残疾人士提供了一种新的可供选择的对外交流的方式。设计一种仅使用进行简单思维任务时脑电信号(脑电图)的高准确率脑机接口。方法:脑机接口的构架可以简单划分为两部分,前端为脑电讯号的特征提取与辨识,后端则为与其他硬体的结合与应用。在前端设计了高辨识率的二分类脑-计算机接口。首先应用小波熵对思维脑电信号进行特征提取,然后采用反向传播神经网络作为分类器,并用得到的信号特征对不同思维作业脑电信号进行分类。结果:采用的思维脑电数据源于美国Colorado州大学,5个实验个体的5种不同思维状态的脑电图数据,对于每个实验对象,均采用小波熵对脑电图数据进行特征提取,然后采用反向传播神经网络作为分类器,对脑休息状态与另外4种思维状态进行两两对比分类。结果表明当选用合适的思维状态时,分类平均正确率可达到90%以上。结论:用小波熵的特征提取方法,能获得高的分类正确率,此方法能够应用到对思维脑电信号的处理中,能作为现在脑机接口设计中另一可行的特征提取方法。同时,提出了一种应用高准确率的二分类脑机接口进行多种工作任务识别的方法,二分类脑机接口进行多种工作任务识别具有广阔得应用前景。     

基于混沌机制BP神经网络的左右手运动识别算法

目的：想象动作提取是脑-机接口技术的关键和难点之一,特征分类是脑-机接口研究的一个重要方面,同时也是一个薄弱环节.想象左（右）手运动和实际做这个运动会以同样的方式改变大脑主要感觉运动区域的神经活动,引起脑电相关频率成分的特征变化. 方法：及时有效的提取和识别这些与运动想象相关的脑电模式,可以帮助严重瘫痪患者控制光标或辅助设备以替代其受损的运动功能,建立一种与外界交流沟通的新途径.研究表明,通过神经网络进行特征分类能产生比较高的精度. 结果：采用基于混沌机制BP神经网络的左右手运动识别算法,将混沌控制引入常规BP算法,利用混沌机制固有的全局游动,逃出权值优化过程中存在的局部极小点,最终使权值进入全局意义下的最优不动点的某邻域内,解决了网络训练易陷入局部极小点的问题. 结论：仿真结果表明该算法快速有效,优于常规BP算法,有效的提高了控制精度,从而验证了混沌机制神经网络技术在脑-机接口特征分类算法中的优势.     

基于信息约简的脑电信号特征提取

背景:脑机接口系统中,对大脑想象的反应速度是衡量脑机接口系统质量的一个重要标准,因此关于脑电信号的分析,对脑电信号特征进行筛选就显得尤为重要,尽可能少的特征来标示相应的动作是提高速度的一个重要途径.目的:利用约简方法对脑电信号特征进行特征筛选,降低脑电特征数目.方法:首先利用不同的脑电特征分析方法,提取特征,并进行分类;其次把连续的脑电信号离散化,利用脑电信号组建脑电信号信息表,最后利用约简理论,对脑电信号进行特征约简,并利用约简特征进行分类,验证分类准确率.结果与结论:利用信息约简的方法及特征标示,把连续的脑电信号特征离散化,利用离散化的脑电信号特征构建信息表,并进行特征筛选,在保证分类准确率的情况下降低了特征的数量.不足之处在于,该方法对分类特征进行标记只能在两类之间进行,对多类型分类特征进行标记和分类特征进行约简将是下一步工作的重点.     

小波熵提取脑意识任务特征的脑机接口设计

目的：基于脑电图信号的脑-计算机接口是近年来一个热门的研究领域。脑机接口为残疾人士提供了一种新的可供选择的对外交流的方式。设计一种仅使用进行简单思维任务时脑电信号（脑电图）的高准确率脑机接口。 方法：脑机接口的构架可以简单划分为两部分，前端为脑电讯号的特征提取与辨识，后端则为与其他硬体的结合与应用。在前端设计了高辨识率的二分类脑一计算机接口。首先应用小波熵对思维脑电信号进行特征提取，然后采用反向传播神经网络作为分类器，并用得到的信号特征对不同思维作业脑电信号进行分类。 结果：采用的思维脑电数据源于美国Colorado州大学，5个实验个体的5种不同思维状态的脑电图数据，对于每个实验对象，均采用小波熵对脑电图数据进行特征提取，然后采用反向传播神经网络作为分类器，对脑休息状态与另外4种思维状态进行两两对比分类。结果表明当选用合适的思维状态时，分类平均正确率可达到90％以上。 结论：用小波熵的特征提取方法，能获得高的分类正确率，此方法能够应用到对思维脑电信号的处理中，能作为现在脑机接口设计中另一可行的特征提取方法。同时，提出了一种应用高准确率的二分类脑机接口进行多种工作任务识别的方法，二分类脑机接口进行多种工作任务识别具有广阔得应用前景。     

基于四类运动想象任务的脑电信号识别

背景：脑-机接口是在大脑与外部设备之间建立的直接的交流通路,基于运动想象的脑-机接口研究已经从两类运动想象任务的识别发展到多类任务的识别。目的：探寻准确有效的对多任务运动想象脑电信号进行特征提取及模式识别的方法。方法：首先采用公共平均参考法减小多通道中各导联间的相关性,提高脑电信号的信噪比。并对公共空间模式算法进行扩展,采用＂一对多＂的策略,对4类任务的脑电信号进行特征提取,在模式识别过程中,采用基于决策树法的支持向量机进行分类。对于实验对象样本不充足,结合支持向量机和贝叶斯分类器,将分类结果中具有大概率的测试样本扩充到训练集,最后再次运用支持向量机进行分类。结果与结论：最佳正确率达到92.78%,＂一对多＂的公共空间模式和基于决策树的支持向量机可以有效地进行多任务脑电信号识别,扩充样本可以提高分类正确率。     

基于四类运动想象任务的脑电信号识别

背景:脑-机接口是在大脑与外部设备之间建立的直接的交流通路,基于运动想象的脑-机接口研究已经从两类运动想象任务的识别发展到多类任务的识别。目的:探寻准确有效的对多任务运动想象脑电信号进行特征提取及模式识别的方法。方法:首先采用公共平均参考法减小多通道中各导联间的相关性,提高脑电信号的信噪比。并对公共空间模式算法进行扩展,采用"一对多"的策略,对4类任务的脑电信号进行特征提取,在模式识别过程中,采用基于决策树法的支持向量机进行分类。对于实验对象样本不充足,结合支持向量机和贝叶斯分类器,将分类结果中具有大概率的测试样本扩充到训练集,最后再次运用支持向量机进行分类。结果与结论:最佳正确率达到92.78%,"一对多"的公共空间模式和基于决策树的支持向量机可以有效地进行多任务脑电信号识别,扩充样本可以提高分类正确率。     

脑机接口在线识别左右手运动想象的脑电信号分析

采用脑机接口2003竞赛中Graz科技大学提供的脑电数据,用小波包分解获取8～16 Hz脑电信号,计算C3,C4电极脑电信号的功率谱峰值和对应频率作为组合脑电特征向量,运用时变线性分类算法对运动意识任务运行分类.对140次实验的测试样本数据分析,最大分类正确率可达89.29%,最大互信息和信噪比分别为0.622 8 bit和1.371 3.提示C3,C4电极8～16 Hz脑电信号功率谱峰值和对应的频率能很好地反映左右手运动想象脑电特征的变化,与事件相关去同步/事件相关同步现象变化一致,可在线识别左右手想象运动.