摘要
脑机接口(BrainComputerInterface,BCI)是一种新型人-机交互系统，它不依靠人体肌肉组织、周围神经等传统方式，在人与周围环境之间建立一种新的信息交换和控制渠道。通过BCI系统，大脑活动可以直接转化为驱动设备的命令。目前BCI系统主要有两类：一类是基于诱发电位的BCI系统，比如稳态视觉诱发电位(Steady-StateVisualEvokedPotentials,SSVEP)、P300诱发电位以及情绪识别BCI等，该类BCI系统具有分类精度高的优点，但需要额外的刺激设备，容易造成被试疲劳；另一类是主动式BCI系统，比如运动想象、语言想象等，该类BCI系统不需要施加额外的刺激，但分类精度有待提高。 由于脑电信号(Electroencephalogram,EEG)空间分辨率的限制，运动想象的操作维度相对较少，主要包括左手、右手、脚和舌头。为了增加主动式BCI指令集的数量，本文提出了一种基于语言想象和运动想象时序编码的主动式BCI实验范式，主要包括基于时序编码的二分类实验范式和四分类实验范式，并在此基础上对离线数据的特征提取和分类进行了研究。研究的主要内容如下： （1）对于基于时序编码的二分类实验范式，它的两种想象任务分别为：1）运动想象；2）语言想象+运动想象。对于基于时序编码的四分类实验范式，它的四种想象任务分别为：1）语言想象；2）运动想象；3）语言想象+运动想象；4）运动想象+语言想象。对于这两种实验范式，分别对12位被试进行离线实验以采集EEG信号，并通过对EEG信号进行ERD/ERS分析来验证本文所设计的基于时序编码的实验范式的可行性。 （2）针对基于时序编码的二分类实验范式，提出了一种子时间窗滤波器组共空间模式(STWFBCSP)算法。该算法将想象期分割为五个时间窗后对每个时间窗进行多频段滤波，然后利用CSP进行特征提取，并利用互信息选择最优特征，最终的决策输出由五个支持向量机的投票结果决定。对12位被试的EEG信号分别使用子时间窗滤波器组共空间模式得到的平均分类准确率为84.87%。相比于CSP、滤波器组共空间模式(FBCSP)和共时-频-空模式(CTFSP)，本算法的平均分类准确率分别提高了14.38%、9.02%和3.97%。研究结果表明，STWFBCSP能更好地提取和分类基于时序编码的二分类实验范式的EEG信号的特征，从而提高BCI的实用性。 （3）针对基于时序编码的四分类实验范式，在分析EEG信号的时间、频率和空间特征的基础上，提出了一种基于时序的多分类模型对四种类型的EEG信号进行分类。该模型根据四类想象在时间上的差异性，利用共空间模式进行特征提取并利用SVM进行分类，最终得到的12位被试的平均分类准确率为68.94%，分类结果远高于随机概率，说明本文提出的实验范式是可行的和有价值的。基于时序编码的四分类实验范式可以有效地增加主动式BCI的指令集数量，从而提高了BCI的实用性。 综上所述，本文以基于语言想象和运动想象时序编码的主动式BCI为研究对象，在对离线数据进行分析的基础上研究了EEG信号的特征提取及分类算法，为基于时序编码的BCI系统的应用打下了基础。
NETL