阐述轮椅脑信号算法和多模态脑机接口

摘要：脑机接口（Brain-Computer Interface，BCI）是一种利用脑信号作为人与计算机之间通讯的主要手段的系统。基于由执行某一或某些精神任务产生的脑活动信号，计算机系统将对这些采集到的脑信号进行预处理、特点提取、分类或回归等，最后将得到的分类结果与相应的制约指令进行转换以实现对外部设备的制约。脑机接口不但对于那些严重残疾的人有重要的实用价值，而且脑机接口的探讨历程和关键技术不足的解决还能推动所涉及的不同学科领域的进一步进展和交叉，以而激发新的思路、探讨新的技术手段并可能开拓新的方向。由此脑机接口技术的探讨具有科学和运用的双重价值。而本论文主要关注的是如何提升脑机接口性能的算法探讨及其运用，具体探讨工作包括如下两个部分：一、两种重要的脑信号（脑电EEG、功能核磁共振脑成像fMRI）浅析的算法探讨。算法探讨始终是脑机接口的核心不足。在算法方面，本论文主要探讨半监督机器学习算法在脑电（EEG）信号中的运用及基于稀疏表示的多变量方式浅析（MVPA）策略与解码在fMRI信号浅析中的运用。（a）为了提升小训练集下脑机接口的性能，本论文提出了一种联合参数选择、特点提取及分类的半监督学习算法。基于脑电的脑机接口的主要参数包括时频窗及通道等是比较难以选择的，因为这些参数的有效性会随着受试者的不同或者同一受试者利用的时间段的变化而转变。特别是在采集到的训练集不够充分时，就更难选择出有效的参数以获得令人满意的性能。而本论文所提出的半监督学习算法利用没有类别标签的测试样本信息可以有效的解决这些不足。我们还在线实现了此算法，最后将此策略运用于基于运动想象和P300的脑机接口系统中。实验结果表明了此算法能在小训练集的情况下选择出有效的参数，而且可以改善系统的性能包括稳定性及自适应性。（b）基于多变量方式浅析（MVPA）策略能同时浅析多个体素信号形成的空间方式，且对微弱的区分信息敏感等特点，本论文提出了一种基于稀疏表示的多变量方式浅析策略来对fMRI数据进行体素选择及解码。本算法的一个主要特点是可以选出所有与不同类别分别相关的有信息的体素。最后通过一组仿真数据及一组真实的fMRI实验数据表明了此策略的有效性。二、结合多种范式的多模态脑机接口的探讨及其运用。针对单模态脑机接口的一些缺点，如能提供的连续制约指令非常有限或者两个连续制约指令之间的输出时间间隔太长，本论文提出了一种结合运动想象及P300两种重要范式的多模态脑机接口，并将此多模态脑机接口运用到鼠标的制约及虚拟车的制约上。在鼠标的运用上，鼠标的水平运动与垂直运动分别由运动想象与P300两种不同范式的信号制约，而且还基于实验证明了这两种制约信号几乎是独立的。最后结合运动想象与P300的特点实现了对感兴趣的目标进行点击的功能，真正实现了基于BCI鼠标的网页浏览。而在虚拟车运用方面，利用者可以利用左手或右手运动想象来制约虚拟车的向左或向右运动。而对于速度制约，则是结合运动想象与P300方式进行制约。这个策略运用在2010年第一届中国脑机接口竞赛的“自动车制约”比赛中获得了第一名。关键词：半监督学习论文多变量方式浅析论文多模态脑机接口论文运动想象论文P300论文功能核磁共振成像论文脑控轮椅论文

摘要5-7

Abstract7-12

第一章 引言12-20

1.1 脑机接口的目的12-13

1.2 探讨近况13-17

1.2.1 脑信号浅析的算法探讨13-16

1.2.2 多模态脑机接口16-17

1.3 与脑机接口运用相关的几个重要不足17-18

1.4 本论文的主要探讨工作及章节安排18-20

第二章 小训练集下的运动想象脑机接口的参数设置20-34

2.1 运动想象脑机接口系统20-21

2.2 基于半监督策略的参数选择21-28

2.2.1 通道选择21-26

2.2.2 频段选择26-27

2.2.3 联合通道与频段选择27-28

2.3 数据浅析与结果28-33

2.3.1 数据描述28-29

2.3.2 例子1：导联选择29-31

2.3.3 例子2：联合导联与频段选择31-33

2.4 本章小结33-34

第三章 基于P300的脑机接口在线联合时空域滤波34-50

3.1 基于P300脑机接口34-35

3.2 基于半监督策略的参数选择35-41

3.2.1 时域滤波36-38

3.2.2 空域滤波38-39

3.2.3 联合空域与时域滤波39-41

3.3 数据浅析与结果41-46

3.3.1 例子1：第三届脑机接口竞赛的P300字符输入数据集41-42

3.3.2 例子2：自己设计的P300字符输入系统42-45

3.3.3 例子3：自己设计的在线字符输入系统45-46

3.4 本章小结46-50

第四章 基于稀疏表示的多变量方式浅析算法在功能核磁共振成像数据中的运用50-64

4.1 引言50-51

4.2 基于稀疏表示的变量选择算法51-53

4.3 实验设计及数据采集53-54

4.3.1 实验1：仿真数据53-54

4.3.2 实验2：fMRI数据采集54

4.4 结果54-57

4.4.1 实验1：仿真数据54-56

4.4.2 实验2：fMRI数据浅析56-57

4.5 讨论57-61

4.5.1 我们策略的进一步解释57-60

4.5.2 fMRI数据浅析中的运用60-61

4.6 本章小结61-64

第五章 基于多模态脑机接口的点击功能实现64-78

5.1 引言64-65

5.2 策略65-70

5.2.1 数据采集系统65-66

5.2.2 GUI制约机制66-67

5.2.3 模型和算法67-70

5.3 实验结果70-73

5.3.1 离线数据浅析70-71

5.3.2 在线结果71-73

5.4 数据浅析和讨论73-76

5.5 本章小结76-78

第六章 基于多模态脑机接口的虚拟轮椅制约78-92

6.1 引言78-79

6.2 策略79-84

6.2.1 脑电信号采集79

6.2.2 GUI和制约机制79-81

6.2.3 模型和算法81-84

6.3 实验结果84-87

6.3.1 实验1：虚拟轮椅84-86

6.3.2 实验2：真实轮椅86-87

6.4 讨论87-90

6.5 本章小结90-92

第七章 总结与展望92-94

7.1 展望93-94