摘 要

在中国，肢体运动障碍患者的数量不断增加，传统的人工和简单的医疗设备供不应求。如何这些患者更好的恢复肢体运动功能，是医学家们研究的一个重点，也是现代康复医学的难点。而康复训练机器人不仅能在很大程度上解决这一严峻问题，而且可使康复训练更具针对性。本文旨在设计一个上肢康复训练系统，通过该系统，患者能通过运动想象控制机器人动作，使患者更愿意主动完成康复训练。

本文的主要研究对象是脑电信号（electroencephalogram，EEG）的处理，通过对采集的脑电信号进行预处理、特征提取和分类识别，对上肢运动进行解码，最后通过设计好的系统完成对康复装置的控制。首先使用小波去噪对原始脑电信号进行预处理，然后使用功率谱密度分析算法（Power Spectral Density，PSD），离散小波变换（Discrete Wavelet Transform，DWT）以及最常用的CSP算法。进行特征提取，最后使用谱回归判别分析（Spectral Regression Discriminant Analysis，SRDA）进行分类识别。研究结果表明了基于EEG 的上肢运动解码的正确性。

关键词：脑电信号；共空间模式；谱回归判别分析；

Abstract

In China, the number of patients with limb movement disorders is increasing continuously. Traditional artificial and simple medical equipment are in short supply. How to help these patients recover limb movement function is not only an urgent social problem, but also a difficult problem of modern rehabilitation medicine. Rehabilitation training robot can not only solve this serious problem to a great extent, but also make rehabilitation training more targeted. The purpose of this paper is to design an upper limb rehabilitation training system. Through this system, patients can control robot movements through motion imagination, so that patients are more willing to take the initiative to complete rehabilitation training.

The main research object of this paper is the processing of electroencephalogram (EEG). Through the pretreatment, feature extraction and classification of the collected EEG signal, the upper limb movement is decoded. Finally, the rehabilitation device is controlled by the designed system. First, the original EEG signal is pre-processed by wavelet denoising, then features are extracted by using Common Spatial Pattern (CSP), and finally classified by Spectral Regression Discriminant Analysis (SRDA). The experimental results prove the correctness of upper limb motion decoding based on EEG.

Key Words：electroencephalogram；common spacial pattern；spectral regression discriminant analysis;

目 录

第1章 绪论 1

1.1 研究的目的及意义 1

1.2 国内外研究现状 2

1.3 本文主要研究内容 4

第2章 运动想象脑电信号处理算法 6

2.1 脑电信号预处理算法 6

2.2 脑电信号特征提取算法 7

2.3 脑电信号分类算法 9

2.4 本章小结 11

第3章 基于EEG信号的上肢运动解码系统 12

3.1 数据采集实验的设置 12

3.1.1 数据采集设备 13

3.1.2 实验方案设计 13

3.2 脑电信号的处理 15

3.2.1 脑电信号预处理 15

3.2.2 特征提取及模式识别 16

3.3 人机交互 19

3.3.1 康复系统界面设计 18

3.3.2 无线局域网通信 19

3.3.3 机器人控制 20

3.4 本章小结 21

第4章 总结 22

4.1 全文工作总结 22

4.2 下一步工作展望 22

参考文献 23

致谢 24

第1章 绪论

1.1 研究的目的及意义

大脑是神经系统最高级的部分，控制着人的各种行为活动，研究大脑是如何编码动作的，将有助于使用意念控制外界物体，例如运动神经假体或机械手臂。意念控物是人类一直追求的梦想，而脑机接口（Brain Computer Interface,BCI）能够在大脑和计算机或者外部设备之间建立一条直接通路，使凭借思想来操作机器成为可能。但传统的脑电信号采集设备价格昂贵，体积过大，使用起来很不方便，极大的限制了BCI在很多领域的应用和发展。随着人们的不断研究，便携式的采集设备逐渐在市场上出现，这种崭新的控制方法在医疗、娱乐、交通等领域的需求不断增长[^[1]]。

脑卒中是一种会导致患者大脑运动皮层损伤，进而使患者肢体运动障碍得疾病。并且每年还有许多因意外事故造成的肢体运动障碍的患者。除了脑中风以外，还有卢伽雷氏症、脊髓损伤、脑瘫痪等统称为“闭锁综合征”的疾病，这些疾病使他们不能完全控制自己的身体，而上肢运动功能障碍将会使患者日常生活变得十分不便。因此，为了尽可能的提高这些上肢运动障碍患者的自主生活能力，需要恢复和改善患者的上肢运动功能，或者提供可控的机械肢体[^[2]]。