脑计算机接口实现中的关键技术研究

拟研究基于EEG脑电信号的脑计算机接口(BCI)系统实现理论及相关技术，从信号处理与模式识别的角度，探索从在线测量EEG信号中，提取与目的性意识相关的特异性分量及特征的关键数据数理方法。主要内容包括EEG信号特征的自动构造方法、各种分类算法的适应性分析及闭环学习策略的研究。研究围绕BCI系统的三个适应性层次展开：首先从时频空综合特征中，利用随机场理论和非线性降维方法选择和构造最佳特征集；其次利用模式识别理论，设计具有自适应特性的鲁棒特征分类器；最后研究闭环在线情况下的特征提取方法、反馈策略及闭环学习训练模型。通过这些手段显著提高BCI系统的信息传输率和适应能力。研究的意义在于能借此深入了解大脑认知与运动控制等高级活动的内部和外在表现规律；并可进一步开发脑计算机接口的原型系统，增强正常人的运动、感觉和通讯机能，为残疾人提供与外界交流的自理手段，为模拟仿真、虚拟现实等领域探索新的人机交互通道。