摘要
脑机接口是一种可以脱离人体的外周神经以及肌肉的通路系统，可以通过采集设备采集大脑活动产生的信号，经过一系列的预处理和信号处理等操作，将其转化为可以被计算机识别的信号，从中辨别人的真实意图。脑机接口技术不仅可让外部设备读懂大脑神经信号，将思维活动转换为指令信号实现大脑对外部设备的操控;还有可能实现将外部的信息输入到大脑的操作，从而可以极大地缩短人类学习新知识和新技能的过程。运动想象脑电信号作为脑机接口的范式之一，因其具备无需外部的刺激，可自发产生的优势，在人工智能、临床医学甚至军事领域展露出了较为广阔的应用前景。 针对目前运动想象脑电信号分析和处理方法中存在的不足以及深度学习和黎曼几何方法在脑电信号分析中呈现的巨大潜力，本论文以信号分析理论为基础，以运动想象脑电信号分析方法研究为目的，将脑电信号分析、黎曼几何特征与卷积神经网络相结合，从脑电信号的黎曼空间表示、黎曼空间数据增强、卷积神经网络的黎曼空间模型构建等几方面进行研究，构建针对运动想象脑电信号的黎曼空间卷积神经网络模型。具体研究内容包括以下几个部分: (1)对脑电信号的国内外研究现状进行归纳阐述，重点探讨了基于黎曼空间和卷积神经网络这两种方法在运动想象脑电信号分析和处理中的优势以及发展中的挑战。 (2)为了获取更具有判别性和丰富信息的脑电数据，本文首先对原始的运动想象脑电信号数据进行预处理，剔除与目标运动想象任务无关的脑电信号频率成分以及肌电和心电等非脑电信号的噪声。其次，选择通过协方差矩阵作为脑电信号的黎曼空间描述符，将时空域描述的脑电信号转换到黎曼空间。最后针对黎曼空间描述的脑电信号，提出了基于黎曼空间的数据增强方法。 (3)为了进一步提高运动想象脑电信号的识别精度和鲁棒性，在工作(2)的基础下,对传统的卷积神经网络进行改进，设计了基于黎曼空间卷积神经网络的脑电信号分类模型,用于处理黎曼空间内的脑电数据。此外，为模型捕捉更加全面的输入数据的特征，在原来卷积层的基础下再增添一种不同尺度的卷积核，增至为两种不同尺寸卷积核的卷积层。 (4)为了验证本文所提方法的有效性，在国际脑机接口竞赛数据集和山东建筑大学新型人机协作智能技术与机器人系统实验室采集的数据集上设计一系列实验。结果表明，本文所提脑电信号分析方法不仅在脑电信号的黎曼空间描述、数据增强、端到端的特征提取以及最终的分类结果等几方面效果良好，而且具备一定的鲁棒性和稳定性。实验结果验证了本文算法的可行性与有效性。
NETL