【摘要】：腦卒以其高發(fā)病率和高致殘率成為當前嚴重威脅人類健康的一大類重要疾病。約三分之二的腦卒中患者伴有上肢運動功能障礙，給其精神和身體帶來極大痛苦。如何有效幫助此類患者進行康復治療是當今社會的需要，也是人工智能、康復工程等多交叉學科的研究熱點。 腦機接口(Brain-Computer Interface, BCI)技術(shù)能夠建立不依賴于大腦外圍神經(jīng)與肌肉的通信控制系統(tǒng)，將BCI技術(shù)應用于腦卒中患者的運動康復治療，可激發(fā)患者的主動運動意愿，同時，將患者運動想像與實際運動統(tǒng)一起來，有助于改善康復療效。本文以手臂運動功能康復為目標，對手臂運動想像腦電信號的眼電偽跡的自動去除、自適應特征提取、模式分類方法以及在線手臂康復系統(tǒng)的設計等內(nèi)容進行深入研究，取得主要成果如下： (1)基于典型相關分析與小波變換的眼電偽跡去除方法 針對腦電信號在實際采集時常受到眼電偽跡干擾較大的問題，提出一種基于典型相關分析(Canonical Correlation Analysis, CCA)和離散小波變換(DiscreteWavelet Transform, DWT)的眼電偽跡去除方法，即DWT-CCA法。首先，對采集的多導腦電信號和眼電信號進行離散小波變換，獲得多尺度小波系數(shù)，并利用典型相關分析去除小波系數(shù)間的相關性，得到互不相關的典型小波系數(shù)；進而，利用相關系數(shù)判別眼跡成分，將相應典型小波系數(shù)置零并依次采用CCA逆變換和DWT逆變換獲取剔除眼電偽跡后的腦電信號。利用國際BCI競賽數(shù)據(jù)庫提供的9位實驗者的4種眼電數(shù)據(jù)，將本文方法與其它常用方法進行實驗對比研究，并對實驗結(jié)果進行顯著性分析。結(jié)果表明，DWT-CCA法在均方根誤差、信噪比方面具有顯著優(yōu)勢，且具有較好的實時性，并表現(xiàn)出較強的適應能力。 (2)基于正交希爾伯特黃變換和增量式支持向量機的腦電信號識別方法 運動想象腦電信號微弱，易受到實驗環(huán)境、實驗者的狀態(tài)及其個體差異等多種因素的影響，甚至隨著患者康復的進行和時間的推移而發(fā)生變化，如何自適應地提取出能夠準確反映大腦活動的有效腦電特征并適時進行正確分類是BCI技術(shù)能否應用于康復的關鍵。為此，提出一種基于正交希爾伯特黃變換(OrthogonalHilbert-Huang Transform, OHHT)與增量式支持支持向量機(Incremental SupportVector Machine, ISVM)的腦電識別方法(記為OHISVM)。首先，對腦電信號(Electroencephalograph, EEG)進行偽跡去除，并以熵準則選取最優(yōu)腦電極組合；進而，基于OHHT計算腦電信號的Hilbert瞬時能量譜和Hilbert邊際能量譜，從而獲取EEG信號的時域、頻域特征，并基于共空域子空間分解法(Common SpatialSubspace Decomposition, CSSD)方法提取腦電信號的空域特征，之后，采用串行特征融合策略獲取腦電信號的時-頻-空多域特征；最后，使用增量式支持向量機實現(xiàn)腦電信號的特征分類。利用國際BCI競賽數(shù)據(jù)庫的ECoG標準數(shù)據(jù)及實際采集的手臂伸/屈運動想象腦電信號進行實驗研究，驗證本文方法的正確性和有效性。 (3)基于MI-BCI的手臂運動功能康復在線系統(tǒng)設計 在上述研究的基礎上，設計面向手臂運動康復的MI-BCI在線系統(tǒng)，以實現(xiàn)利用手臂屈伸運動想像EEG的識別結(jié)果實時控制機械臂的屈伸運動。該系統(tǒng)主要包括兩大部分：一部分為PC端的上位機部分，其主要實現(xiàn)對腦電信號的采集及處理工作。腦電信號的采集利用g.MOBIlab的CAPI函數(shù)和多線程技術(shù)實現(xiàn)，腦電信號的處理工作包括對腦電信號的偽跡去除、特征提取和模式分類，PC端應用軟件基于MFC(Microsoft Foundation Classed)并結(jié)合Matlab與C++語言混合編程技術(shù)完成；另一部分則為基于ARM9的S3C2440處理器構(gòu)建的下位機部分，以實現(xiàn)控制機械手臂的運動及基于7寸液晶屏的實驗提示功能，，下位機軟件基于uc/GUI圖形系統(tǒng)開發(fā)完成。上、下位機之間的通信通過串口實現(xiàn)。實驗結(jié)果驗證了MI-BCI康復系統(tǒng)應用于手臂運動功能康復領域的可行性，將有助于對增強中風及偏癱患者的手臂康復訓練的主動性，提高訓練及治療效果，展現(xiàn)了其在該領域的潛在的應用價值與應用前景。
[Abstract]:......
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TN911.7;R49

【參考文獻】

相關期刊論文 前7條

1 李明愛;崔燕;楊金福;郝冬梅;;基于HHT和CSSD的多域融合自適應腦電特征提取方法[J];電子學報;2013年12期

2 李肅義;林君;;一種綜合小波變換的心電信號消噪算法[J];儀器儀表學報;2009年04期

3 魏琳,沈模衛(wèi),張光強,施壯華;EEG波形偽跡去除方法[J];應用心理學;2004年03期

4 張立振;;分解信號為正交本征模態(tài)函數(shù)的方法[J];振動與沖擊;2007年05期

5 黃啟春;劉仰光;何欽銘;;基于支持向量機的增量式算法[J];浙江大學學報(工學版);2008年12期

6 吳小培;葉中付;郭曉靜;張道信;唐希雯;;運動意識腦電的動態(tài)獨立分量分析[J];中國生物醫(yī)學工程學報;2007年06期

7 計瑜;沈繼忠;施錦河;;一種基于盲源分離的眼電偽跡自動去除方法[J];浙江大學學報(工學版);2013年03期

本文編號：2422626