毕业论文：脑机接口系统中运动想象脑电信号的分析与处理

题目：脑机接口系统中运动想象脑电信号的分析与处理
院（系） 　　　信息科学与工程学院　　
专 业 　　　自动化　　

摘 要

脑-机接口(Brain-Computer Interface，BCI)技术是近年来国际上的研究热点之一。它可以为人们与外界之间提供一种新型通讯方式。BCI系统可以直接采集大脑的神经生物学信号，并将其分析转换为输出命令，而不依赖正常的外周神经中枢(CNS)和肌肉组织输出通道。BCI系统利用不同的脑电（EEG）信号，利用外部的连接和控制设备将不同的思维活动与不同的指令结合起来，实现人脑和外部设备的通信。
某些类型的事件相关现象体现了连续脑电信号在特定频域能量的减少或增加现象，分别反映在皮质神经细胞群同步性活动的减弱或增强。前者定义为事件相关去同步（event-related desynchronization,ERD），后者定义为事件相关同步（event-related synchronization,ERS）。本文根据想像动作可引起脑电信号的ERD\ERS特异性变化这一思想， 针对想象左右手运动的实验来研究脑电信号的分析与处理，识别脑电信号的特征。
在本文分析过程中，首先通过对2003年脑机接口竞赛实验设计中的试验者想象左右手运动数据的离线分析，研究脑电信号的分析处理方法。在预处理过程中，采用了3阶butterworth滤波器进行10-12Hz的带通滤波；在特征提取时，选取时间3—9s内的C3、C4通道的脑电信号进行特征提取；在分类器的选择上，使用fisher判别的线性分类器。然后编写了在线分析处理脑电信号的Matlab程序，并利用VC++和Matlab的混合编程，实现了脑-机接口中采集信号和处理信号的结合。


关键词：脑-机接口 脑电信号 运动想象 ERD\ERS 特征提取 Fisher分类器

ABSTRACT
Brain-machine Interface technology is in recent years the international research hotspot. It can be for people and between the outside world provides a new way of communication. BCI system can be directly collection of brain nerve biology signal, and the analysis into output command, and no
……（新文秘网https://www.wm114.cn省略1740字，正式会员可完整阅读）……　
目录
引 言 5
第一章 绪 论 6
1.1课题研究的背景及意义 6
1.2 BCI系统的定义及组成 7
1.3 BCI系统的研究现状 9
1.4 课题研究内容及目的 10
1.4.1课题研究内容 10
1.4.2课题研究目的 10
1.4.3 主要章节安排 10
第二章 运动想象BCI研究基础 12
2.1 脑电产生的机理和分类 12
2.1.1脑电产生的机理 12
2.1.2脑电信号的分类 12
2.2事件相关去同步\同步研究 14
2.3 脑电信号分析法 14
第三章 想象左右手运动脑电信号分析 17
3.1 实验过程及数据采集 17
3.2数据介绍 18
3.3 数据处理 18
3.3.1数据预处理 19
3.3.2特征提取 24
3.3.3分类器的设计 26
3.4数据分析结果 29
第四章 在线脑电信号处理的程序设计 31
4.1matlab编程 31
4.2 VC++与Matlab的混合编程 32
第五章 课题总结与展望 37
5.1总结 37
5.2课题展望 38
致 谢 40
参 考 文 献 41





































引 言

脑—机接口( brain- computer interface, BCI) 是在人脑与计算机或其它电子设备之间建立的直接的交流和控制通道, 通过这种通道, 人就可以直接通过大脑来表达想法或操纵设备, 而不需要语言或动作, 这可以有效增强身体严重残疾的患者与外界交流或控制外部环境的能力, 以提高患者的生活质量。脑—机接口技术是一种涉及神经科学、信号检测、信号处理、模式识别等多学科的交叉技术。当人们做单侧肢体动作时( 如左手运动) , 大脑对侧主感觉运动皮层的mu 节律( 8Hz～12Hz) 幅度明显减小,而同侧主感觉运动皮层的mu节律幅度明显增大,这种现象被称为事件相关去同步(Event- related desynchronization,ERD) 及同步( Event- related synchronization, ERS) 。不仅如此,当人们仅是想象这个动作而没有执行时, 会激活相同的大脑感觉运动区域并产生与执行这个动作相同的脑电模式。如果能够从记录的脑电时间序列中及时识别与运动想象相关的脑电模式, 并转化为某种控制信号处理控制光标的移动或辅助运动设备, 就可以帮助严重瘫痪病人通过计算机与外界环境进行交流和沟通或者帮助他们实现自己想做的动作。
本文所涉及的BCI系统是以受试者想象左右手运动时产生的事件相关去同步现象时的脑电为原始信号，这种BCI系统是非依赖性的，信号的产生完全来自受试者自主的想象运动。









第一章 绪 论
1.1课题研究的背景及意义
有多种疾病，如脑瘫、肌萎缩性脊髓侧索硬化（Amyotrophic Lateral Sclerosis,ALS）和脑干、脊髓损伤等，可以损伤脑与外部环境进行交流和控制的神经肌肉通路，使人部分或全部失去自主的肌肉控制。现代的生命支持技术可以使患者长期存活，但患者的生活质量低下，给家庭和社会造成的负担也十分沉
重。在无法修复受损通路的情况下，人们尝试利用其它方法进行功能恢复。一种方法是通过训练提高残存的运动能力，另一种方法是绕过通路的受损部位直接控制肌肉，如功能性电刺激。这两种方法都在一定范围内取得了成功。而现在出现了一种前景光明，更加有效的方法即脑-机接口。
产生这种新方法的原因是：首先，基础和临床的研究已经对大脑的工作状况有了比较详细的了解，对于大脑的不同诱发电位和脑电节律以及它们发生的部位和机理都已经比较了解。大量的研究已经证实：脑电信号与实际的和想象的运动及精神活动都是密切相关的。其次，计算机、检测及数字信号处理技术的发展，可以对脑电等信号进行实时分析。因此随着计算机技术的进步和脑功能研究的不断深入，人们开始尝试建立一种新的、不依赖于肌肉的交流和控制通路，在脑和外部世界之间传递信息和命令，这就是所谓的脑-计算机接口（Brain-Computer Interface,BCI），简称脑-机接口。
二十世纪七十年代，Vidal首次使用“脑-计算机接口”一词来描述基于计算机的、能获得有关大脑功能信息的系统。在Vidal小组的研究中，研究人员开发出一个早期的BCI系统，这个系统利用从视觉皮层区域记录到的视觉诱发电位（Visual Evoked Potential，VEP）信号，来确定使用者想象光标移动的方向。近年来，国际上越来越多的组织和个人开始大量投入人力物力开发脑-机接口统。
目前脑-机接口的应用前景已经不再仅仅局限在医疗康复领域，它可以分为以下几个方面：
1）康复工程。建立新的信息通道，实现对周围电器设备以及智能假肢、轮椅等辅助设备的控制；或帮助部分残疾人利用脑电信号完成打字输入等。
2）研究脑功能。人的大脑是一个极其复杂的系统，BCI技术的研究进展，可以帮助人们分析大脑功能，研究人的思维机理，开发人的智力，充分发挥人的潜能，使得人能在更深层次上认识自己，改造自己，造福人类。
3）其他方面。例如军事领域、娱乐、特殊控制领域等等。

1.2 BCI系统的定义及组成
1999年，第一次BCI国际会议给出了BCI的明确定义：“脑一机接口是一种不依赖于正常的由外周神经和肌肉组成的输出通路的通讯系统”。大脑在进行思维活动，产生动作意识，或者受到外界刺激(如视觉、听觉等)的时候，伴随着其神经系统的一系列电活动，这些脑电(Electroencephalogram,EEG)信号可以通过一定的手段加以检测，再通过信号处理(特征提取和分类)，从中辨别出人的意图，把人的思维活动转换为命令信号，实现对外部设备的控制和与外界的交流。这就是BCI的基本原理(图1．1)。


BCI系统的输入信号是脑电信号，输出为控制命令。系统通常包括四个部分：信号采集、信号处理（特征提取）、“翻译”程序（模式识别），控制命令输出。
1）信号采集
信号采集也就是获取脑电信号，信号记录可采用头皮电极和植入式电极两种方式。脑电信号属于比较微弱的信号，通常需要进行放大、滤波等处理，放大后的脑电模拟信号还需经过A/D转换为数字信号，便于对信号进行进一步的信号处理。脑电信号采集也可以采用无线遥测的方式。信号采集模块也可以包含数字信号处理芯片（digital signal processing,DSP），对信号进行预处理。
2）信号处理
信号处理是脑机接口研究的关键之一，其实质是特征提取，也就是运用多种现代信号处理方法，包括时—空模式分析、统计分析、信源分解、空间滤波、高分辨率谱分析等，对脑电信号进行处理，从中提取出相应的特征。在脑机接口系统中，特征量的提取涉及时域、频域和空域。例如，在特定的皮层区域检测脑电信号中不同的频率成分（如mu或beta节律）；或者在时域中检测的与事件相关的P300电位，这些都是携带了一定脑活动信息的特征量。
3）“翻译”程序
“翻译”程序是指将提取出来的特征量转换为一系列控制命令，由此来实现受试者的意图。“翻译”程序实际上是一个模式识别或特征分类的过程。用于脑机接口的模式识别方法比较多，有线性识别方法（如经典的统计分析方法），也有非线性识别方法（如人工神经网络）。比如在Graz BCI的研究中就采用了不同的模式识别分类方法，D.Flotzinger等采用了LVQ方法对脑电信号进行分类，K.Lugger等人采用了线性判别算法对脑电信号进行分类。
4）控制命令输出
脑机接口的输出信号是代表受试者意向的控制命令。根据脑机接口的不同应用，控制命令输出有多种不同的表现形式，比如在脑电信号控制外部设备的应用中，控制命令经过设备控制系统，可以实现外部设备控制，如控制电视、音响设备、电灯等电子设备的开关；在有关光标控制的脑机接口应用中，控制信号的输出表现为光标在屏幕上的移动；在虚拟打字机的应用中，控制命令的输出表现为字母的输出或者是读出单词；在脑电假肢应用中，输出信号可以用来控制一个多_度的假肢实现三维空间的动作。
1.3 BCI系统的研究现状
由于脑机接口技术在康复工程等领域有重要的应用价值，它引起了全世界越
来越多科学家和研究者的关注和重视，近年来，脑机接口技术发展迅速。1995年，全世界从事有关脑机接口的研究小组还不超过6个，1999年已经超过20个。脑机接口的研究正成为生物医学工程和康复医学工程领域的一个新亮点。
1999年6月，美国国家儿童研究院国家医学康复研究中心和美国国家健康研
究院人类发展部在纽约主办了关于脑机接口的第一次国际学术讨论会。来自美国、加拿大、英国、德国、奥地利、意大利等国家的50多位科学家与工程研究专家，代表22个不同的脑机接口研究小组参加了会议。会议内容涉及BCI研究现状、有关BCI基础研究及 ……（未完，全文共27172字，当前仅显示4887字，请阅读下面提示信息。收藏《毕业论文：脑机接口系统中运动想象脑电信号的分析与处理》）