检测代替分类的脑机接口研究

【摘要】：基于脑电信号的脑机接口系统操作方便、成本低廉、对大脑的无损伤性,已成为目前研究的主导方向。当前处理脑电信号的方法一般是基于信号分类的思想。然而良好的脑电信号记录和特征提取将不能继续提高基于分类方法的脑机接口系统的性能;另外当前脑机接口系统须依赖于专家进行设置和连续调整,这一情况正阻碍该技术广泛应用于严重残疾人所需要的通信和控制领域。信号检测的方法所具有的一些性质可以解决分类中存在的一些问题。这种方法检测了在合适脑电信号集发生的改变,而不是检测在特定特征上的一组特定改变,最终将脑电信号转换为一维输出控制信号。因此它具有克服将脑机接口系统从实验室到临床应用这一障碍的潜力。 首先,研究了基于高斯混合模型的脑电信号检测方法。高斯混合模型具有模拟任何分布的能力,并且在计算方面很有效,高斯分量能够代表某些脑电活动的频谱形状。新的脑电特征样本可以根据已经建立的模型计算其对数似然度,检测其是否属于已建的模型。 其次,提出了基于支持向量数据描述的脑电信号检测方法。思想是将某一类训练脑电数据作为目标类,寻求一个封闭而紧凑的的超球体区域,使被描述的目标类对象全部或尽可能多的包含在超球体内部,而使非目标类对象落入超球体内部的几率降到最小,以球体作为信号检测问题的描述。 最后,提出了基于稀疏表示的脑电信号检测方法。利用稀疏表示的可判别性来进行信号检测。由训练样本的最稀疏表示生成训练数据库,由多个类别组成。测试样本是通过完备字典来表示的,测试样本可以由属于同一类的训练样本的一个线性组合来表示,据此将测试样本分类。稀疏表示还有一个新颖的作用,它能够拒绝无效的测试样本。