“腦-計(jì)算機(jī)”系統(tǒng)中腦電信號(hào)分類與腦電信號(hào)模型研究.pdf

1、“腦-計(jì)算機(jī)”系統(tǒng)(brain-computerinterface，BCI)是用人的意愿實(shí)現(xiàn)人腦與計(jì)算機(jī)或其他電子設(shè)備通訊和控制的系統(tǒng)。BCI的研究涉及認(rèn)知活動(dòng)產(chǎn)生的神經(jīng)生理學(xué)機(jī)制，涉及腦神經(jīng)系統(tǒng)中神經(jīng)元、神經(jīng)元群和神經(jīng)網(wǎng)絡(luò)等各個(gè)層面，其中，腦電信號(hào)(electroencephalograph，EEG)的分類和腦電信號(hào)模型的研究扮演著重要角色。 本文針對(duì)“腦-計(jì)算機(jī)”系統(tǒng)的綜合設(shè)計(jì)問(wèn)題，基于計(jì)算智能的理論和方法，對(duì)EEG展開(kāi)分析

2、，研究了EEG模式的分類和識(shí)別問(wèn)題，并試圖建立產(chǎn)生事件相關(guān)腦電的模型，所取得的主要研究成果如下： (1)腦電信號(hào)的高時(shí)-頻分辨率分析方法論文提出一種事件相關(guān)腦電的高時(shí)-頻分辨率分析(HighTime-FrequencyResolutionAnalysis，HTFRA)方法。此方法將腦電信號(hào)分解為最匹配于信號(hào)結(jié)構(gòu)的時(shí)頻原子的和，結(jié)合遺傳算法尋求最優(yōu)的時(shí)頻原子，并用維格納-威爾分布(Wigner-VilleDistribution，

3、WVD)導(dǎo)出信號(hào)不存在交叉項(xiàng)的時(shí)-頻表示。對(duì)仿真信號(hào)和“腦-計(jì)算機(jī)”系統(tǒng)中腦電信號(hào)采用傳統(tǒng)的短時(shí)付氏變換、Wigner-Ville分布、小波變換及HTFRA求時(shí)頻能量分布，結(jié)果顯示：HTFRA較傳統(tǒng)的方法更清晰地反映信號(hào)在時(shí)頻域內(nèi)的能量變化。 (2)用于腦電信號(hào)分類的自適應(yīng)生長(zhǎng)型神經(jīng)網(wǎng)絡(luò)論文針對(duì)腦電信號(hào)的特點(diǎn)創(chuàng)建了自適應(yīng)生長(zhǎng)型神經(jīng)網(wǎng)絡(luò)(AdaptiveGrowthNeuralNetwork，AGNN)模型，一種可用于“腦-計(jì)算機(jī)

4、”系統(tǒng)中腦電信號(hào)分類的模型。AGNN從一個(gè)輸入節(jié)點(diǎn)開(kāi)始學(xué)習(xí)，根據(jù)外部規(guī)則調(diào)節(jié)神經(jīng)元的權(quán)值，并逐漸增加新的輸入節(jié)點(diǎn)及新的隱神經(jīng)元。構(gòu)造出的AGNN是一個(gè)窄而深的網(wǎng)絡(luò)，有接近最小數(shù)目的輸入神經(jīng)元、隱神經(jīng)元及網(wǎng)絡(luò)連接，能有效地防止網(wǎng)絡(luò)的過(guò)擬合。網(wǎng)絡(luò)的計(jì)算成本低，學(xué)習(xí)速度快。 在奧地利Graz科技大學(xué)的“腦-計(jì)算機(jī)”實(shí)驗(yàn)中，被試者根據(jù)聲音和箭頭的提示想象左手或右手運(yùn)動(dòng)，通過(guò)置于感覺(jué)運(yùn)動(dòng)區(qū)附近的電極提取腦電信號(hào)，經(jīng)模式識(shí)別后控制屏幕上進(jìn)度

5、條向左或向右移動(dòng)。用基于高時(shí)-頻分辨率分析的特征提取方法和AGNN分類模型，對(duì)Graz科技大學(xué)通過(guò)互聯(lián)網(wǎng)提供的4名被試者共1360次時(shí)程為7s～9s的腦電信號(hào)進(jìn)行分類，正確率均在90％以上。 (3)事件相關(guān)腦電去同步化和同步化(ERD/ERS)的神經(jīng)元群模型的建立論文提出了基于丘腦-皮層網(wǎng)絡(luò)的神經(jīng)元群模型以研究被試者在某種認(rèn)知狀態(tài)下腦功能區(qū)的連接狀態(tài)。模型包括三個(gè)模塊，分別對(duì)應(yīng)腦電頭皮電極C3,Cz,C4記錄的三個(gè)皮質(zhì)區(qū)。模型外

6、部輸入包括用高斯白噪聲表示的上行傳入感受器信號(hào)、用直流偏移表示的皮質(zhì)對(duì)丘腦的興奮性輸入、用指數(shù)衰減表示的來(lái)自腦干和前腦基底神經(jīng)元的調(diào)制信號(hào)，模型輸出的興奮性神經(jīng)元群的平均膜電位代表局部腦電電位。改變模型輸入，進(jìn)行多次仿真試驗(yàn)并進(jìn)行線性和非線性分析。仿真結(jié)果顯示了與實(shí)際“腦-計(jì)算機(jī)”系統(tǒng)實(shí)驗(yàn)一致的事件相關(guān)去同步化和同步化現(xiàn)象；模型中功能相近的區(qū)域間有更強(qiáng)的耦合，隨著耦合強(qiáng)度的增加，輸出信號(hào)間的相關(guān)性和同步性均增加。 本文在以上工作

7、的基礎(chǔ)上，構(gòu)建了虛擬的“腦-計(jì)算機(jī)”系統(tǒng)(BCI)。該系統(tǒng)采用高時(shí)-頻分辨率分析方法和自適應(yīng)生長(zhǎng)型神經(jīng)網(wǎng)絡(luò)區(qū)分左右手想象運(yùn)動(dòng)時(shí)的腦電信號(hào)，用分類器的輸出控制進(jìn)度條的移動(dòng)，設(shè)計(jì)了BCI的動(dòng)態(tài)演示過(guò)程。采用互信息技術(shù)評(píng)價(jià)BCI的性能，并與國(guó)際BCI競(jìng)賽的結(jié)果進(jìn)行了比較，顯示了本文方法的有效性。 本文的研究工作在提高“腦-計(jì)算機(jī)”系統(tǒng)的可靠性和有效性、促進(jìn)神經(jīng)科學(xué)和認(rèn)知科學(xué)領(lǐng)域的基礎(chǔ)研究、增進(jìn)對(duì)神經(jīng)系統(tǒng)的了解以助于開(kāi)發(fā)新技術(shù)以再生腦等