论文部分内容阅读
脑-机接口(Brain-computer interfaces, BCI)是在人脑与计算机或其它外部设备之间建立的新的通信接口,通过对反映大脑功能的脑电信号或其它电生理参数的特征识别和分类,向外界传输信息和控制命令,从而实现人脑与外界无需外围神经和肌肉控制的新的通信方式。本文对脑-机接口的在线应用进行了研究,基于PC和USB脑电放大器搭建了脑-机接口在线系统,对在线系统中涉及的信号处理和模式识别算法进行了研究,对在线系统的性能及改进进行了详细的讨论。在此我们主要研究了以下3个方面:在本论文中,我们首先研究了脑-机接口在线实时系统的需求,在PC和USB脑电放大器上实现了在线系统的搭建,包括信号的采集、存储、处理,以及实验刺激和反馈控制图形接口的实现。比较了各种信号处理和模式识别算法,并在实时在线系统上实现了我们的在线分类和控制算法:AR(Adaptive regression model)模型参数和估计谱作为特征,采用线性判决分类器(Linear Discriminant Analysis, LDA)和二次判决分类器(Quadratic Discriminant Analysis, QDA)实现了特征到控制命令的转换,在线控制采用了投票机制(Voting)并根据投票结果对光标速度进行了线性控制,进一步讨论了对脑-机接口的异步机制。最后我们对在线系统的性能进行了详细讨论,针对脑电的非平稳性,采用了不连续更新分类器的方法,以改善分类结果和在线系统的性能。3名被试参加了脑-机接口在线控制的训练,其中2名被试基本能实现在线光标的在线移动,结论表明简单有效的算法更利于被试学习脑-机接口的在线控制。