进化算法在运动想象脑机接口导联选择中应用研究

摘要

脑机接口(Braincomputerinterface,BCI)是一种人与机器(如电脑)直接交互，而不依靠身体的神经、肌肉等，直接提取大脑信号传送到外部世界，控制外部设备的通讯系统。经过40年的发展，脑机接口已经开始从实验室的理论研究逐步运用于现实的生活领域。在基于运动想象的脑机接口(BCI)系统中，共空域模式(Common spatial pattern，CSP)算法是一种常用的空域滤波及脑电信号特征提取算法。虽然CSP在一定程度上能提取到脑电信号，但在源信号的采集和脑电信号的记录中CSP算法采用了严格的线性模式假设关系，使得CSP算法过分受限于受试者的原始记录参数，如信号时间段、滤波频带、电极通道数等，因而不能准确有效地描述大脑特征信号。
　　为了匹配和适应受试者原始记录参数来提取脑电的特征信号，以达到改善CSP算法的性能，本文使用两种优化算法对受试者的电极通道数进行优化选择。一种是回溯搜索算法(Backtrackingsearchoptimizationalgorithm,BSA)，另一种是二进制粒子群优化(Binary particleswarmoptimization,BPSO)。另外，本文还介绍了两种常用的分类算法：支持向量机(Support vector machine,SVM)，Fisher线性判别分析(Fisherline discriminantanalysis,FLDA)。在导联的优化中，选择的导联数目由BSA和BPSO的性质决定。使用第三、四届BCI竞赛数据集进行了导联选择实验。实验结果表明：与全部导联使用相比，导联的数目大幅度减少，优化导联后取得分类正确率略有提高。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 脑机接口的背景现状

1.2 脑机接口的结构原理及分类

1.3 脑机接口研究应用及进展

1.4 本文的主要内容

第2章 脑电信号特点及实验数据采集

2.1 脑电信号产生

2.2 脑电信号分类

2.3 ERD/ERS现象

2.4 实验数据采集

第3章 脑电信号EEG特征提取及特征分类

3.1 共空域模式(CSP)

3.2 两类CSP算法的改进

3.3 分类器设计

3.4 交叉验证

第4章 进化算法在BCI导联选择中的应用

4.1 进化算法的原理

4.2 导联优化实验设计

4.3 实验数据的分类结果及对比分析

第5章 总结与展望

5.1 全文总结

5.2 未来展望

致谢

参考文献

攻读学位期间的研究成果