【正文】 對M01 的輸出結(jié)果不作要求。 圖 3 SVM 原理 多類問題轉(zhuǎn)化為二類問題 SVM 算法通常 只能 解決 2 類問題， 并且如果樣本規(guī)模過大或者不平衡，將會嚴(yán)重影響其訓(xùn)練和分類效果。假設(shè)該訓(xùn)練集的正反兩類樣本可以被一個超平面劃分，即存在一個超平面 ω x + b = 0 滿足： ω xi + b 0 ， 對于任何 yi = +1 ω xi + b 0 ， 對于任何 yi = 1 對于 某 一個問題，可能存在很多個滿足式 上式 的超平面 ， 但 僅 有一個稱為最優(yōu)超平面。 y1)。 本試驗中 主要 使用 SVM 以及 Treble M SVM 分類器，因而這兒詳細介紹一下此分類器。 在 P. Sykacek 等人的實驗中，利用概率的方法通過一個大的聯(lián)合概率分布模型，設(shè)計了一個自適應(yīng)的信號處理和轉(zhuǎn)換算法。n 和 Josep Mouri241。他們通過兩個試驗對該分類器進行評估：第一個試驗是，通過分析腦電信號中 ? 節(jié)律信號，來判斷用戶是睜眼還是閉眼，分類結(jié)果為：正確分類率 87%， 12%為不可做出分類結(jié)果，僅僅 1%分類錯誤。而且應(yīng)該將神經(jīng)生理學(xué)的先驗知識結(jié)合到分類器中，并且應(yīng)該 盡量使用規(guī)則化（ regularization）的和健壯容錯性強（ robust）的分類器。分類器總體上可以分成線性分類器和非線性分類器兩 大 類。 何慶華 等人在 基于視覺誘發(fā)電位腦機接口研究中 ，通過小波變換來提取視覺誘發(fā)電位。這個結(jié)果說明 ARX 模型在基于誘發(fā)電位或事件相關(guān)電位的 BCI 系統(tǒng)的特征提取中，將發(fā)揮巨大作用 [7]。傳統(tǒng)的方法通過 AR 模型對腦電信號進行特征提取，分類的精度僅為 %177。 EEG 信號的特征提取 EEG 信號在去除噪音后，還要進行特征提取。在郭曉靜等人的試驗中 ，選取同一個實驗者進行兩個不同的心理作業(yè)（構(gòu)思寫信，數(shù)學(xué)乘法運算）測試。 Lucas C. Parra 等人在他們的試驗中發(fā)現(xiàn)，對于從腦電信號中分類干擾信號， ICA 方法在系統(tǒng)實時處理過程中，櫓棒性不是很好，而 PCA 方法在實時系統(tǒng)中進行從腦電信號中分離干擾信號表現(xiàn)出了良好的性能。 但如果干擾信號出現(xiàn)的頻率較高，這種直接去除的方法，對整個腦 — 計算機接口系統(tǒng)的性能 和精確度 將產(chǎn)生嚴(yán)重影響。記錄兩個電極之間的相對電位差，稱作雙極導(dǎo)聯(lián)法，例如眼電信號通常采用雙極導(dǎo)聯(lián)法。 基于腦電信號的腦機接口 第 5 頁 共 29 頁 圖 2 1020 系統(tǒng)模型 （ 2） 單極導(dǎo)聯(lián)與雙極導(dǎo)聯(lián) 將頭皮上一個電極的電位設(shè)置為零，這個電極稱為參考電極。 TT4外側(cè)各占 10%，其余各 點間占 20%。從前往后標(biāo)出五個記錄點： Fpz、 Fz、Cz、 Pz、 Oz。出于各方面的考慮，本試驗準(zhǔn)備采取非介入式 EEG 信號采集方式。 非介入式的 EEG 信號，主要測量的是頭皮表面的腦電信號，它通過將電極貼附在頭皮上直接獲得。 介入式 EEG 信號采集須將電極植入腦皮層下，采集出來的信號精度較高， 噪音較小，并且能夠精確測量某一部分大腦神經(jīng)元活動狀態(tài)。 基于腦電信號的腦機接口 第 3 頁 共 29 頁 2. BCI 系統(tǒng)的研究方法 BCI 系統(tǒng)的基本結(jié)構(gòu) 一個 BCI 系統(tǒng)主要包括腦電信號的獲取、降噪處理、特征提取、分類以及輸出控制等幾個部分。此次會議的標(biāo)題為“ BrainComputer Interfaces for Communication and Control, Second International Meeting:Moving Beyond Demonstrations”。會議的標(biāo)題為“ BrainComputer Interface Technology: Theory and Practice” ?？梢?，腦 — 計算機接口的強大功能與廣闊的實用前景已經(jīng)初露 端倪。 BCI 系統(tǒng)的發(fā)展現(xiàn)狀 近幾十年以來，隨著 對人腦功能認(rèn)識的不斷提高，新的信號處理，模式分類、識別技術(shù)的發(fā)明和應(yīng)用，以及高性能計算機的出現(xiàn)，腦 — 計算機接口的研究取得了長足的進步。隨著人類在腦神經(jīng)科學(xué)方面知識的突破，以及腦波訊號擷取技術(shù)的漸 趨成熟，腦機 接口 系統(tǒng)的設(shè)計與開發(fā)近幾年來 越 來 越 受到重視 。 早在 20世紀(jì) 70年代，就有很多科學(xué)工作者開始致力于人和計算機的交互作用 (人機交互 )的研究， 這種系統(tǒng)能將人腦行為產(chǎn)生的電生理信號通過計算機處理和分類后轉(zhuǎn)換成控制信號直接對外設(shè)進行控制，從而繞開那種通過神經(jīng)系統(tǒng)控制肌肉進而完成人意圖的傳統(tǒng)方式。研究結(jié)果顯示，大腦是 動態(tài)改變的，通過學(xué)習(xí)，它一直在不斷的改變，然而它的輸出信號卻是相對穩(wěn)定的。我們能否以一種更直接的方式與電腦交流？ 目前有些殘疾人，他們幾乎喪失了所有的肌肉運動能力，能否有一種方法來幫助他們實現(xiàn)與電腦的交流？ 自從 1929 年 Hans Berger描述了腦電描記法 (EEG)，人們就推測，腦電信號有 可能用于人的交流和控制。隨著 科學(xué) 技術(shù)的發(fā)展， 人們花費越來越多的努力來改善電腦的用戶接口 ，鼠標(biāo)鍵盤已經(jīng)成為現(xiàn)代 PC上廣泛使用的接口技術(shù)， 其它 還有許多接口 技術(shù)包括 電腦手柄、 語音識別 、操縱桿等等 。 并且獲得了比較好的準(zhǔn)確率。為此，研究人員試圖開發(fā)一套系統(tǒng)，它 可以直接讀取人腦中的生理電信號，并分析其含義，將其轉(zhuǎn)換為控制信號直接對外設(shè)進行操控。研究發(fā)現(xiàn)，當(dāng)人們打算進行某種行為的時候，大腦中會產(chǎn)生相應(yīng)的生理電信號，而正是這些相應(yīng)的生理電信號反應(yīng)了人們的意圖，并通過神經(jīng)系統(tǒng)控制肌肉來實現(xiàn)人們的意圖。 最后，本文詳細 介紹了我們的試驗：讓被測試者觀察兩幅圖片，通過 用 Matlab 分析被測試者的腦電信號，預(yù)測 當(dāng)前被測試者所觀察的是 哪 一幅圖片。s mind, analyze its meaning and transform it into the control messages. This system is called a brain puter interface system. In this paper, firstly the background and the status quo of the BCI system will be discussed. Then we will show the structure of the system and some popular methods used in the BCI system. At the same time, the function and research technique used in our system will be talked in detail. At last, we will explain our BCI system: record the subject‘s EEG signals while he or she is watching two different pictures and work out which picture the subjects is currently watching by analyze the EEG signals using Matlab. At last we achieve some good results. KEY WORDS： BrainComputer Interface(BCI), Electroencephalogram (EEG), MinMax Modular, SVM， Feature Extraction， Classification 基于腦電信號的腦機接口 第 iii 頁 共 29 頁 目錄 1. 概述 ..............................................................................................................................1 BCI 系統(tǒng)的背景 .....................................................................................................1 BCI 系統(tǒng)的發(fā)展現(xiàn)狀 ..............................................................................................2 2. BCI 系統(tǒng)的研究方法 .......................................................................................................3 BCI 系統(tǒng)的基本結(jié)構(gòu) ..............................................................................................3 EEG 信號的獲取 ....................................................................................................4 EEG 信號降噪處理 .................................................................................................5 EEG 信號的特征提取 .............................................................................................6 EEG 信號的分類 ....................................................................................................7 SVM 介紹 ....................................................................................................8 多類問題轉(zhuǎn)化為二類問題 ............................................................................8 Treble M 方法簡介 ........................................................................................9 3. BCI 系統(tǒng)試驗介紹 ......................................................................................................... 13 試驗設(shè)備 ............................................................................................................ 13 Stim2 介紹 .................................................................................................. 13 介紹 ............................................................................................... 15 試驗系統(tǒng)結(jié)構(gòu) ..................................................................................................... 17 腦電信號數(shù)據(jù)獲取 .............................................................................................. 19 腦電信號的處理和分類 ....................................................................................... 19 試驗分析 ............................................................................................................ 20 試驗改進 ........................................................