脑-机接口(Brain Computer Interface,BCI)是大脑与外部设备间建立的直接连接通路,是让脑损伤患者与外界进行互动的有效途径。运动想象的脑电信号(Electroencephalogram,EEG)是BCI系统最常用的控制信号。外部诱发刺激通过人体皮肤表面的机械感受器传入的信号传输到大脑运动皮层,成为当前提高BCI识别率的研究热点。本文研究振动辅助能否影响大脑运动皮层的活跃程度,能否提高EEG信号的识别率,主要内容与创新点归纳如下:(1)在信号消噪方面,针对传统的经验模态分解存在的模态混叠现象,以及传统的盲源分离技术得到的各独立源分量顺序不确定,提出了一种基于总体经验模态分解与降噪源分离和近似熵相结合的脑电信号消噪方法。通过仿真数据与真实脑电数据验证了提出方法的有效性。(2)在运动皮层状态分析方面,以事件相关同步/事件相关去同步(Event Related Desynchronization/Event Related Synchronization,ERD/ERS)和运动想象与体感刺激影响α、β节律信号为依据,应用α、β节律信号时域和频域两种ERD量化值作为皮层活跃测量度,对受试者在单一运动想象、不同振动频率辅助下运动想象的脑电信号的皮层活跃度进行分析,对4位受试者的实验数据的分析结果进行统计分析,结果表明振动辅助提高了大脑运动皮层的活跃度,进一步增强了 EEG信号的可分辨性。(3)在特征提取方面,针对传统小波变换的小波基函数的品质因子(中心频率和带宽的比值)不能灵活调节的问题,提出一种基于可调品质因子小波变换和模糊熵的脑电特征提取方法。通过国际BCI竞赛数据验证了本文方法的有效性。(4)在模式分类方面,应用基于粒子群优化的极限学习机分类方法,优化了极限学习机的输入层节点权值和隐含层节点阈值,使得优化后的极限学习机只需要在较少的隐含层节点就可以获得更好的分类效果。(5)在振动辅助下脑电信号识别研究方面,对4位受试者单一运动想象和振动辅助下的运动想象的左右手运动的脑电信号进行了实验研究。研究表明,4位受试者振动辅助下比单一运动想象左右手的平均识别准确率提高了 5%、7%,再一次表明了振动可以提高运动皮层的活跃度,增强EEG信号的可分辨性,进而提高脑电信号的识别率。