脑-机接口研究中想象动作电位的特征提取与分类算法

人在想象但未实施肢体或其他身体部位动作时,与该动作相关的大脑运动皮层区域会发生与该动作实施时相似的电生理响应,称为想象动作电位。想象动作电位的提取与分类是脑-机接口(BCI)技术的关键和难点。本文分别介绍了想象动作电位的时频分析、复杂度分析、相位耦合测量、多通道线性描述符、多维统计分析等特征提取方法和线性判别分析、人工神经网络、支持向量机等分类算法,以供BCI系统设计与研究时参考。

DSP在基于想象动作电位的脑-机接口中的应用

应用数字信号处理器设计了一个基于想象动作电位的脑-机接口系统,通过模拟滤波与数字信号器处理相结合的方法,实现了对想象动作电位信息的有效采集和处理。系统在硬件上设计了脑电信号放大器,DSP开发板;对脑电信号放大、AD转换后,通过分类特征提取处理后,完成动作识别与控制命令的输出。将数字信号处理器应用在脑-机接口中,利用数字信号处理器优异的处理能力和丰富的外设资源,实现了一个嵌入式、微型化的脑-机接口构建,实现了脑-机接口实时处理与微型化。

基于BP神经网络的想象动作电位模式识别研究

脑-机接口是一种全新的信息交换与控制技术,其关键技术是要准确及时地识别出思维脑电的预期动作模式及其特征参数并将之转化为控制命令。本文通过分析和提取左、右手两种想象动作诱发的事件相关去同步(ERD)/同步(ERS)信号特征,并采用BP神经网络对特征量进行模式分类识别,以区分想象动作的意图,进而形成可用来控制轮椅、鼠标等外部机电设备的控制指令。研究结果表明该方法识别率高,速度快,可用于实时脑—机接口系统中。