基于AAR模型的听觉诱发中潜伏期反应特征提取

针对听觉刺激诱发的脑干中潜伏期反应(MLR)信号的非平稳特性,采取计算其自适应自回归(AAR)模型系数的方法进行特征提取,实现不同注意状态的分类。首先对采集的MLR数据进行去噪预处理,然后结合相对误差方差(REV)准则分别进行卡尔曼滤波和最小均方误差自适应算法估计其AAR模型参数。利用支持向量机对两种估计方法的特征参数分别进行分类。最后根据最大互信息和分类结果进行比较,最小均方误差自适应算法估计AAR模型系数的分类正确率达到77.45%,最大互信息值为0.3011,其效果优于卡尔曼滤波算法。

同步化分析在意识任务脑机接口的应用

为了分析大脑皮层之间在附加语言想象的意识任务时的功能整合和协作,并提升该任务的分类准确率,可计算脑电信号的互相关值以进行同步化分析.(1)计算所有电极两两之间的互相关值;(2)根据差异最大化的原则来选择2组电极对;(3)将这2对电极的互相关值与共空间模式的特征值组合后用支持向量机分类.对10位受试者实验结果分析表明,有7位受试者所选的电极处于大脑皮层的额叶区,说明额叶区在想象期与其他脑区进行了具有差异性的信息交换.2类意识任务之间的平均分类准确率在添加了同步化特征后提高了1.8%.同步化分析既能显示大脑皮层间的信息交流,又能改善意识任务脑机接口的性能.

多模态意识任务的脑电信号空间源定位分析

为了分析附加汉字默读的多模态意识任务所激活的大脑皮层,采用空间源定位分析与意识任务相关的脑电信号。首先采用独立分量分析算法将所有电极的脑电信号分解为各自独立的分量,每个分量可视为来自一个等价偶极子,并确定其在大脑皮层的位置和和方向;然后通过时频分析确定与意识任务相关的偶极子;最终分析和对比多模态意识任务和单模态意识任务之间偶极子的差异。对10位受试者进行实验,结果分析表明,与两个多模态意识任务相关的偶极子平均数量分别为5和4.3,均多于单模态任务,且偶极子数量的排序与这4个任务平均分类准确率一致,说明更多大脑皮层的激活有利于提高分类准确率,并验证了该实验的有效性和合理性。