【摘要】：腦機(jī)接口通過(guò)供額外的信號(hào)通路,實(shí)現(xiàn)大腦直接控制外部設(shè)備,在殘疾人功能輔助與康復(fù)等方面有著廣闊的應(yīng)用前景。在運(yùn)動(dòng)想象腦機(jī)接口中,受試者通過(guò)想象部分肢體的運(yùn)動(dòng)產(chǎn)生多種模式的腦電信號(hào),系統(tǒng)分析受試者的腦電解析控制指令,實(shí)現(xiàn)對(duì)外部設(shè)備的控制,其中的核心技術(shù)是對(duì)運(yùn)動(dòng)想象腦電信號(hào)的解碼。然而,腦電信號(hào)的低信噪比、非平穩(wěn)性以及個(gè)體差異性是運(yùn)動(dòng)想象腦機(jī)接口從實(shí)驗(yàn)室走向商業(yè)應(yīng)用的巨大障礙。因此,尋求高效的解碼算法、降低訓(xùn)練成本是該領(lǐng)域長(zhǎng)期的研究熱點(diǎn)。近年來(lái),有學(xué)者出使用黎曼幾何的工具對(duì)運(yùn)動(dòng)想象腦電信號(hào)的協(xié)方差矩陣進(jìn)行建模和分析,取得了良好的效果,為解碼腦電信號(hào)供了新工具。在實(shí)際應(yīng)用中,黎曼幾何方法常常面臨維度災(zāi)難的問(wèn)題,往往需要設(shè)計(jì)降維算法。本文基于黎曼幾何工具,出了一種新的解碼運(yùn)動(dòng)想象腦電信號(hào)的算法,利用流形學(xué)習(xí)的等距映射降維算法對(duì)局部黎曼切空間投影的結(jié)果進(jìn)行降維,然后使用局部線性嵌入算法獲取全局坐標(biāo)。該算法改善了直接使用黎曼切空間進(jìn)行投影帶來(lái)的邊緣樣本分布扭曲的問(wèn)題,并實(shí)現(xiàn)了降維操作,在國(guó)際腦機(jī)接口競(jìng)賽數(shù)據(jù)上表現(xiàn)優(yōu)異。同時(shí),針對(duì)運(yùn)動(dòng)想象腦電信號(hào)非平穩(wěn)性和個(gè)體差異大導(dǎo)致模型難以訓(xùn)練的問(wèn)題,本文結(jié)合黎曼幾何與降維方法,設(shè)計(jì)了一種新的遷移學(xué)習(xí)算法應(yīng)用于運(yùn)動(dòng)想象腦機(jī)接口系統(tǒng)。該方法利用黎曼切空間投影法分別將不同受試者的樣本集投影到相似的特征空間上,并拉直成向量,然后對(duì)所有樣本使用多尺度放縮算法進(jìn)行降維,并在低維歐氏空間上使用成熟的線性分類器進(jìn)行訓(xùn)練和分類。實(shí)驗(yàn)證實(shí),該算法在國(guó)際腦機(jī)接口競(jìng)賽數(shù)據(jù)集的表現(xiàn)優(yōu)于現(xiàn)有黎曼幾何方法。最后本文根據(jù)運(yùn)動(dòng)想象腦電信號(hào)在黎曼流形上的分布討論了信號(hào)的非平穩(wěn)性和個(gè)體差異特性對(duì)結(jié)果的影響。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP181;O186.12;R318
【圖文】：

圖 1-1 腦機(jī)接口結(jié)構(gòu)圖[1]。接口的分類號(hào)獲取的方式不同，腦機(jī)接口可以劃分為侵入式腦機(jī)接口、部分侵入入式腦機(jī)接口。機(jī)接口式腦機(jī)接口在用戶的腦灰質(zhì)內(nèi)安裝傳感器，獲取的腦信號(hào)質(zhì)量最高，視覺(jué)。但缺點(diǎn)是外來(lái)元器件會(huì)引發(fā)人體的免疫反應(yīng)，隨時(shí)間的推移，元器件，信號(hào)質(zhì)量會(huì)衰退甚至信號(hào)消失。式腦機(jī)接口侵入式腦機(jī)接口的傳感器安裝在腦皮層上，硬腦膜下，不進(jìn)入灰質(zhì)。

圖 1-2 2008 年國(guó)際 BCI 競(jìng)賽數(shù)據(jù)集信號(hào)采集時(shí)序圖[11]。2008 年國(guó)際 BCI 競(jìng)賽數(shù)據(jù)集 Data set 2a 數(shù)據(jù)集包含 9 個(gè)受試者，每個(gè)受試者被要求完成 4 種運(yùn)動(dòng)想象任務(wù)，分別是想象左右手、腳和舌頭的運(yùn)動(dòng)，因此是個(gè)多分類任務(wù)。受試者在實(shí)驗(yàn)時(shí)坐在舒適的座椅上面對(duì)屏幕，戴上一個(gè)有 22 個(gè)導(dǎo)聯(lián)電極的電極帽采集腦電信號(hào)。在聽(tīng)到蜂鳴聲后表示一次實(shí)驗(yàn)開(kāi)始， = 0s屏幕會(huì)顯示出一個(gè)固定的十字標(biāo)識(shí)，表示實(shí)驗(yàn)正在進(jìn)行。 = 2s的時(shí)刻屏幕上會(huì) 示受試者接下來(lái)要做的運(yùn)動(dòng)想象任務(wù)，持續(xù) 1.25 秒�？吹� 示后受試者則開(kāi)始進(jìn)行運(yùn)動(dòng)想象任務(wù)，直至 = 6s時(shí)刻十字標(biāo)識(shí)消失，實(shí)驗(yàn)結(jié)束，受試者進(jìn)行短暫的休息，再進(jìn)行實(shí)驗(yàn)。信號(hào)采集的時(shí)序圖可以參考圖 1-2。受試者分兩次做兩組實(shí)驗(yàn)，每組實(shí)驗(yàn)有 288 個(gè)運(yùn)動(dòng)想象任務(wù)，總共 576 個(gè)任務(wù)，每組實(shí)驗(yàn)中各種不同類的運(yùn)動(dòng)想象任務(wù)數(shù)量均相同，即每組實(shí)驗(yàn)的 4 種運(yùn)動(dòng)想象任務(wù)均進(jìn)行 72 次。2005 年的競(jìng)賽數(shù)據(jù)采集過(guò)程和 2008 年的大致相當(dāng)，區(qū)別在于 2005 年的數(shù)據(jù)集有 5

圖 3-1 LIE 方法圖示。3.1.2 時(shí)間復(fù)雜度分析黎曼幾何分析解碼腦電信號(hào)一直面臨著計(jì)算量大的缺陷。在常見(jiàn)的算法中，如黎曼流形上的聚類算法 MDRM，主要計(jì)算量在于尋找同類樣本子集的黎曼中心點(diǎn)。迭代求解黎曼中心點(diǎn)時(shí)每次都要進(jìn)行一次黎曼切空間投影，根據(jù)公式（2-11）可知，黎曼切空間投影的時(shí)間復(fù)雜度是 ( )， 是信道數(shù)目，也就是信號(hào)采集系統(tǒng)的導(dǎo)聯(lián)電極數(shù)， 是樣本集中的樣本數(shù)量。MDRM 算法要預(yù)測(cè)新樣本時(shí)，需要計(jì)算該樣本到各類別的樣本子集的黎曼中心點(diǎn)的測(cè)地距離，由公式（2-7）可知，矩陣的求逆，矩陣乘法和特征值分解的時(shí)間復(fù)雜度均為 ( )，因此總體時(shí)間復(fù)雜度也為 ( )。而在 LIE 算法中，由于需要遍歷每個(gè)樣本，尋找其鄰域再做局部黎曼切空間投影，這部分的復(fù)雜度是 ( )。因此，包括 LIE 算法在內(nèi)的黎曼幾何方法不適用于多導(dǎo)聯(lián)電極的采集系統(tǒng)，

【參考文獻(xiàn)】

相關(guān)博士學(xué)位論文 前2條

1 謝小峰;基于協(xié)方差特征的EEG解碼及其在運(yùn)動(dòng)想象腦機(jī)接口系統(tǒng)的應(yīng)用研究[D];華南理工大學(xué);2018年

2 齊菲菲;基于正則化的腦電信號(hào)時(shí)空分析方法研究[D];華南理工大學(xué);2017年

本文編號(hào)：2761795