基于变速运动想象脑电信号的柔性控制机理研究

Manipulating EEG based equipments is a current research focus, which makes people could control the equipments without utilizing any muscular channels but onlly by their minds. And according to the current studies, most of the brain controlled system can only control equipments in a simple way, which makes the movement speed of the equipments unchangeable. To solve this problem, this application proposes a flexible control research based on variable speed motor imagery EEG. The features of EEG signals under imagination of lifting left/right arm at different speed continuously are extracted. And then, the regression analysis methods are used for modeling the EEG features and the imaged speed and direction. After finding the model, a bilateral trainning could be formed combined with the training of visual feedback, which will optimize the parameters of the model and the adaptation of users. And after all these have been throuth, the users can change the speed and direction of the equiments through the imagination of movement at different speed and direction, which will make the control of EEG based control system flexible. This study has important significance to improve the quality of life of the disabled, and also helps to further reveal the characteristics and working mechanism of brain during motor imagery tasks.

基于脑电信号来操控设备是当前研究的热点，通过这种方式可以使人们无需借助传统的神经肌肉通道来实现大脑对设备的直接控制。但目前的脑电控制系统普遍存在控制设备的运动模式过于单一，设备运动速度无法自主控制的情况。针对这一问题，本申请提出基于变速运动想象脑电信号特征对设备的运动速度进行控制的研究。项目研究想象左/右手臂在不同速度下连续从静止状态到抬起的过程，检测想象这些运动过程中的脑电信号并提取特征，结合回归分析等方法对脑电信号特征与想象运动速度及方向进行建模分析。获得模型后，结合视觉反馈进行模型与人之间的双向训练，通过训练使模型参数以及人的适应度得到最优化。最终使操作者可以通过改变运动想象速度及方向来自由控制设备的运动速度及方向，从而达到基于脑电信号进行柔性控制的目的。该研究对提高残障人士的生活质量具有重要的意义，有助于进一步揭示大脑在进行运动想象时的工作特点及工作机理。

使用脑电信号来控制外部设备一直是学者们关注的重点，通过这种方式一方面可以帮助残疾人士，另一方面可以扩展人体功能。目前，基于脑电信号来控制外部设备的控制系统大都具有设计成本高、算法复杂且无法实现连续控制的特点。针对这一问题，本项目尝试通过脑电信号的能量特征来控制设备的运动速度。项目研究了脑电信号特征提取方法，根据脑电信号的特点确定了基于归一化频带能量的特征提取方法，该方法可直接体现脑电信号在固定频段内特定思维模式下脑电信号的能量变化特征，且算法简单实用，较利于基于运动想象等脑电信号控制系统中的特征提取。在脑电信号特征分类方面，项目研究了基于最小二乘支持向量机的分类方法，该方法与传统的支持向量机方法相比，算法运算量更小，在实时系统开发方面具有一定优势。同时，本项目又研究了基于CART的AdaBoost分类器设计方法，在CART分类器的参数优化方面，本项目提出了结合平均特征区分度的CART参数优化方法，该方法通过样本特征的总体统计特性限制了个别离群样本特征对分类器建模的影响，可有效提高CART分类器模型的稳定性及分类效果。项目基于Emotiv EPOC+设计了实时脑电信号采集与处理系统，基于频带能量特征方法设计了基于α波和运动想象脑电信号的脑电控制系统。在控制终端设计方面，项目设计了TurtleBot机器人控制系统，同时基于开源模型制作了3D打印机械假手，基于实时电流反馈方法设计了假手的局部控制系统，实现了通过极少控制指令就可以控制假手抓取任意形状的物体。分别基于α波和运动想象脑电信号与控制终端相结合，设计了用脑电控制终端设备的控制系统并通过实验验证了控制效果。提出了基于固定模型的脑电特征-设备速度控制方法，开发了基于该方法的控制系统。项目提出的方法对脑电特征进行了细化分析，可有效利用脑电特征中蕴含的信息，发掘更多的大脑思维信息。项目研究内容以及取得的成果对脑电信号的控制研究具有一定的指导作用，尤其是在低成本脑电控制系统的开发方面具有一定的借鉴意义。