摘 要

脑电波（Electroencephalogram，EEG）是一种用电生理指标来记录大脑活动的方法，它是大脑活动时产生的一种信号，记录大脑活动时的电波变化，将脑神经细胞的电生理活动反映在大脑皮层或头皮表面。近年来，生物工程、计算机科学，人工智能等领域的研究不断深入，使得脑-机接口(Brain-Computer Interface，BCI)等新兴技术应运而生并迅速发展，于是，对脑电波信号的研究越来越重视和深入。

然而，在脑-机交互系统的应用当中，运动想象和空闲状态的分类一直是值得深入研究的问题，针对此问题，本人在利用共同空间模式（Common spatial pattern，CSP）方法的基础上，结合局部特征尺度分解（Local Characteristic-scale Decomposition，LCD），提取并融合空间域特征和时频域特征，弥补了单使用CSP算法特征提取所忽略的时频域特征的缺点，并SVM分类方法进行空间状态检测，实现对单次运动想象脑电信号的分类，最终获得了89.6%的分类正确率，取得了比较好的分类结果，研究结果表明了基于CSP LCD特征提取、SVM分类的方法对运动想象空闲状态检测的可行性。

关键词：脑电信号；脑-机接口；共同空间模式；局部特征尺度分解

Abstract

Electroencephalogram is a method of recording brain activity using electrophysiological indicators. It is a signal generated by brain activity, recording changes in brain waves during brain activity, and reflecting the electrophysiological activities of brain cells. The surface of the cerebral cortex or scalp. In recent years, research in the fields of bioengineering, computer science, and artificial intelligence has deepened, making emerging technologies such as Brain-Computer Interface (BCI) emerge and emerge rapidly. Therefore, the research on brainwave signals is more and more deeper.
However, in the application of brain-computer interaction system, the classification of motion imagination and idle state has always been a problem worthy of further study. For this problem, I combine the common spatial pattern (CSP) method and Local Characteristic-scale Decomposition (LCD) to fuses spatial domain features and time-frequency domain features, which compensates for the shortcomings of time-frequency domain features ignored by feature extraction using CSP algorithm.By using SVM classification method for spatial state Detection, the classification of single-motor imaginary EEG signals was achieved, and finally 89.6% of the classification accuracy rate was obtained.The results show the feasibility of CSP LCD feature extraction and SVM classification for motion imaging idle state detection.

Keywords EEG; brain-computer interface;common spatial mode; local feature scale decomposition

目录

第1章 绪论 1

1.1研究目的及意义 1

1.2国内外研究发展史及现状 2

1.3本文主要研究内容及结构安排 4

第2章 运动想象脑电信号采集系统设计 5

2.1 10-20脑电采集系统 5

2.2 上位机软件系统的设计 6

2.3 脑电信号采集 9

2.4 本章小结 10

第3章 运动想象脑电信号处理 11

3.1脑电信号预处理 11

3.1.1 脑电信号的截取 11

3.1.2 平均参考去噪 11

3.1.3 带通滤波 12

3.2 运动想象脑电信号特征提取 13

3.2.1 基于LCD的时频域特征提取 13

3.2.2 共同空间模式空域特征提取 15

3.3 支持向量机分类 17

3.4 结果分析 18

3.5 本章小结 19

第4章 总结与展望 20

参考文献 21

致谢 22

第1章 绪论

1.1研究目的及意义

近些年来，由于生物工程、计算机科学，人工智能等领域的研究不断深入并取得丰富成果，使得脑-机接口(Brain-Computer Interface，BCI)等新兴技术应运而生并迅速发展。脑-机接口(Brain-Computer Interface，BCI)同样是一种通讯和控制系统，它的独特之处使独立于大脑外围神经与肌肉正常通路系统，可以代替语言和肢体动作，使人的思维意念变成控制指令，实现对外界的控制。研究表明，脑-机接口技术在军事目标搜索^[1]、飞行模拟器控制^[2]、汽车驾驶^[3]、新型游戏娱乐以及残障人士重新恢复信息通信功能等方面应用前景巨大，极具研究意义^[4]。其主要原理：在大脑进行运动想象时，根据想象活动不同，对应的大脑区域电位会发生不同的相应变化，即发相应变化信号，再利用计算机将这些变化信号转换为下位机指令。一个完整的脑-机接口系统一般由三部分组成：信号采集、信号处理和生成控制命令。