基于EOG的阅读行为识别中眨眼信号去除算法研究

由于眼电图(EOG)能反映不同行为状态下的眼球运动模式,因此,基于EOG的阅读行为识别已经成为一个新的研究热点。为了降低眨眼信号对阅读行为识别的影响,提高正确率,本文提出了一种基于独立分量分析(ICA)的眨眼信号去除算法。该算法首先利用ICA方法从原始多通道EOG信号中分离出眨眼信号,然后通过计算各输出通道的峭度值,自动识别眨眼信号通道,将其置零后映射回原始观测信号以达到噪声去除目的。实验室环境下,对降噪后的EOG信号进行阅读状态识别,其平均正确率达到95.5%,相比较原始EOG信号、带通滤波法及主分量分析方法(PCA)分别提升了3.39%,5.00%和2.70%,实验结果验证了所提算法的有效性。

基于运动想象的异步在线脑-机接口系统

目前,运动想象脑-机接口(motor imagery brain computer interface,MIBCI)的离线分析和研究相对比较成熟,但是异步在线MIBCI始终具有挑战性。针对在线BCI系统的识别率和控制方式,提出了利用共空间模式(common spatial pattern,CSP)算法对运动想象(motor imagery,MI)进行特征提取并结合alpha波进行异步控制。构建了一种简单实用的自主控制小球运动MIBCI实验系统。有四名受试者参加了在线实验,其中有两名受试者在线运动想象识别正确率最高能达到100%。实验结果验证了本文所建系统的可行性和实用性。

基于少量导联的脑-机接口实现方法研究

针对少量导联脑电信号在脑-机接口实现中的可靠性和适用性问题,提出了一种基于独立分量分析的运动想象脑-机接口实现方法,系统输入为运动皮层三导联脑电信号。为了保证在少量导联情况下的算法稳定性和可靠性,提出采用自测试方法对空域滤波器进行优化设计。基于脑-机接口国际竞赛数据集对所提方法进行验证,所得运动想象分类结果优于竞赛优胜者的分类结果。