腦機接口中基於HHT特徵提取及虛擬現實反饋研究

中文摘要

研究腦電信號（EEG）自適應的特徵提取方法，進而建立EEG的線上識別模型，探索將識別結果通過有效的方式反饋給被試,將是研究腦機接口中腦機互動適應性問題新的突破。本項目首先探索基於希爾波特-黃變換（HHT）將EEG自適應分解進而提取相關特徵的方法；然後結合前期研究的支持向量機（SVM）分類建立EEG的線上識別模型；最後，基於虛擬現實（VR）技術，建立與被試完全相同的虛擬人，探索虛擬人的肢體動作與受試者想像的肢體動作一致的反饋方式，建立反饋系統。通過HHT特徵提取及VR反饋的實現，最終建立用EEG信號控制虛擬車行駛的線上模擬仿真系統，與前期研究的一些非自適應模型及其他反饋方式進行比較，分析基於HHT特徵提取方法及虛擬現實反饋的優勢，檢驗上述識別模型和反饋方式，探討研究結果在改善腦機接口性能中的作用。經過該項目的開展，為腦機接口研究提供理論方法和依據，促進EEG識別及反饋方法的研究進展。

結題摘要

腦機接口（Brain Computer Interface）是近年來發展起來的研究熱點，本項目針對運動想像無創BCI，主要開展研究：一是探索基於希爾波特-黃變換（Hilbert-Huang Transform，HHT）將EEG自適應分解的特徵提取方法，二是基於VR技術，構建虛擬人反饋系統，同時進行了相關預處理及自適應分類算法的研究。具體開展了以下研究內容並取得了相關的研究成果：（1）研究了基於HHT的特徵提取：HHT本質上是對信號進行平穩化處理，通過EMD和HT，首先將信號依據其本身特性自適應逐級分解出來，產生一系列具有不同特徵尺度的IMF。進而經HT後能夠計算出瞬時頻率來表征原信號的頻率含量，較為精細地辨別一些內嵌性的結構特徵，為BCI中EEG的特徵提取提供了很好的思路。（2）建立了基於虛擬現實（VR）技術的直觀反饋方式及虛擬小車套用系統：採用VR技術，建立了虛擬人，實時識別結果控制虛擬人的肢體動作，增加了實驗者的興趣。採用DirectX和VC++平台，建立了虛擬小車及場景，為檢驗不同特徵提取和分類方法的性能提供了很好的平台。（3）進行了分型維數結合RLS-ICA預處理算法的研究：首先採用ICA算法對真實的腦電信號進行分離，得到各個去相關源信號成份矩陣，採用了分形維數對源信號矩陣中的噪聲進行自動識別，利用RLS自適應濾波器對含噪信號進行濾波，最後得到濾去噪聲信號。（4）開展了核Fisher結合SVM的分類：將核與SVM相結合，計算特徵向量類內距；再將該類內距融合到徑向基核函式中，考慮類內距和類間距來構造新的SVM核函式，並將新的核函式融入到傳統SVM中得到相應的模型。克服了傳統SVM只考慮類間距而未考慮類內距的缺陷，提高了BCI識別正確率。（5）擴展了BCI實驗系統：將上述研究的HHT特徵提取、自適應濾波結合ICA預處理、核Fisher結合SVM分類算法，編寫了程式並規範成平台的標準接口函式，融入到已經建立的硬體和MATLAB軟體平台中，可以對採集到的腦電信號進行離線和線上分析，能夠方便這些研究方法的檢驗。目前已有12位實驗者利用該系統進行了腦電數據的採集和線上控制，進一步檢驗了系統的運行情況。經過上述的研究，除了得到上述的有關結論外，還取得了發表論文15篇、培養碩士研究生8名（畢業4名）的研究成果。

腦機接口中基於HHT特徵提取及虛擬現實反饋研究

基本介紹

中文摘要

結題摘要

熱門詞條