基于运动想象的脑机接口及其应用研究
文献类型：学位论文
| 作者 | 邹宜君
|
| 答辩日期 | 2019-11-25 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 徐卫良 ; 赵新刚 |
| 关键词 | 脑机接口 脑电信号 独立成分分析 共空间模式滤波 |
| 学位名称 | 博士 |
| 学位专业 | 机械电子工程 |
| 其他题名 | Research on Motor Imagery based Brain-Computer-Interface and the Application |
| 英文摘要 | 本论文以运动想象脑电信号为研究对象，从脑电信号空间滤波和减少训练时间的角度开展了一系列研究，主要工作如下：首先，针对脑电信号中不同类型源信号彼此混合的问题，提出了一种有监督的独立成分分析算法，将运动想象信号的特性与独立性约束结合，提取出与运动意图相关的独立脑电成分。脑电信号具有空间分辨率低的特点，同时，由于头皮、头骨的传导效果，不同通道之间脑电具有高度相关性。而有限的通道信号是受大脑的所有意识行为影响。如何从这些信号中还原出与运动意图相关的成分便显得非常重要。因此，本文提出了一种提取运动意图相关独立脑电成分的空间滤波算法。该算法基于传统的独立成分分析算法（Independent Component Analysis, ICA），将ICA中的独立性约束与运动想象过程中的事件相关同步/去同步（Event related synchronization/desynchronization, ERD/ERS）现象相结合，建立了新的优化目标。在左右手运动想象问题中，该优化目标将EEG中的独立成分分为三类：与左手运动想象相关的独立成分、与右手运动想象相关的独立成分以及与运动无关的独立成分。然后经过迭代优化，求解该优化目标。得到一组空间滤波器，将原始信号映射为三类具有具体意义的独立成分。我们对与运动相关的独立成分进行特征提取后分类，得到了更好的分类精度。另一方面，我们从运动相关电位（Motion Related Potentials，MRP）的角度对得到的独立成分进行验证，发现提取到的与运动无关信号的MRP得到了极大的抑制。其次，针对采集训练数据所需时间过长的问题，提出了一种样本迁移算法，在目标用户小样本情况下利用其它用户数据建立有效的脑电模型，由于脑电信号具有高度的个体差异性，必须对每个用户单独建立识别模型。而运动想象实验中，单个样本采样耗时长，为了避免疲劳，样本采集间隔要留有足够的休息时间，因此采集训练数据就需要很长时间。这也大大降低了了脑机接口的实用性。针对这个问题，本文研究了如何利用数据库中已有的数据来实现小样本情况下的新用户建模，进而减少训练时间。从ERD/ERS的角度分析了不同用户运动想象时相关脑电信号的差异性，并重点关注大脑激活区域的差异性和ERD/ERS强度的差异性。针对不同用户，使用共空间模式滤波（Common Spatial Pattern, CSP）矩阵来表征运动想象时大脑激活的区域。并设计了一个正交矩阵来描述这种个体差异性，经过该正交矩阵的矫正，我们可以减少这种大脑激活区域带来的个体差异。然后，我们将不同用户进行相同动作的脑电信号变换到一个共空间之中，在该空间中对运动时信号的差异做抑制或增强。经过以上两步信号处理后，我们可以更好的使用其他用户的数据来建立目标用户的脑电模型。我们将我们的方法与减少校准时间的其他方法进行了比较。结果表明，我们的方法使用极少的训练试验（32个样本）达到了令人满意的识别效果。与使用少量训练试验的现有方法相比，我们的方法获得了更高的准确性。再次，针对卷积神经网络（Convolutional Neural Network, CNN）需要大量样本而脑电信号总体训练样本太少的问题，提出了对其他用户数据进行筛选与加权的算法，使其他用户数据满足训练目标用户模型的要求。本文针对运动想象动作识别问题建立了一个纯数据驱动的端到端的卷积神经网络模型，并在该模型的基础上建立了一套对已有数据库中数据进行筛选与加权的方法。通过分析其他人数据对目标个体模型的适应程度，我们可以清除那些对于目标模型贡献为负的样本。然后，在CNN网络的训练过程中，我们赋予每一个训练样本一个权值，并且在网络训练过程中同步更新该权值和CNN网络参数。实验结果表明，在仅使用单人数据时，我们的CNN网络能够达到目前主流特征提取方法FBCSP的精度。在使用多人数据并进行数据清洗和自适应样本加权技术时，我们的CNN网络能够得到比FBSCP更好的精度。最后，建立了基于左右手运动想象的机械臂在线控制系统。通过控制虚拟界面中小球的移动来评估脑电实时控制中存在的问题，在分析了小球控制实验结果的基础上，我们选择了最优的特征提取与分类算法，同时，比较了离线识别实验和在线控制实验在评估指标上的差异。最后我们使用选择的模型来控制机械臂完成移动到目标位置的任务。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 89页 |
| 源URL | [http://ir.sia.cn/handle/173321/25945]  |
| 专题 | 沈阳自动化研究所_机器人学研究室 |
| 推荐引用方式 GB/T 7714 | 邹宜君. 基于运动想象的脑机接口及其应用研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2019. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。