1、表面腦電信號(hào)（Electroencephalogram，EEG）是成千上萬(wàn)個(gè)神經(jīng)元組織在大腦皮層電生理活動(dòng)共同作用產(chǎn)生的生物電信號(hào)?？茖W(xué)研究表明，通過(guò)解讀腦電信號(hào)可以獲知人類(lèi)的思維活動(dòng)和意識(shí)認(rèn)知。腦-機(jī)接口(Brain Computer Interface，BCI)則是腦電信號(hào)研究的一個(gè)重要應(yīng)用方向，它是一種不依賴(lài)由大腦外周神經(jīng)與肌肉組織等組成的正常輸出通路的人機(jī)交互系統(tǒng)。目前，基于左、右手運(yùn)動(dòng)想象的兩類(lèi)信號(hào)識(shí)別研究已經(jīng)比較完善，但是多

2、維度運(yùn)動(dòng)想象腦電信號(hào)的研究存在識(shí)別率低、實(shí)時(shí)性差、易受干擾等問(wèn)題。因此對(duì)多維度運(yùn)動(dòng)想象腦電信號(hào)研究是一個(gè)熱點(diǎn)，對(duì)其完成處理和有效識(shí)別是一個(gè)挑戰(zhàn)。
　　本文從腦電的研究背景與現(xiàn)狀出發(fā)，對(duì)左手、右手、右腳、舌頭4類(lèi)運(yùn)動(dòng)想象腦電信號(hào)的處理與識(shí)別展開(kāi)了深入研究，所用分析信號(hào)是C3、C4、Cz與CP4四導(dǎo)聯(lián)腦電信號(hào)。基于實(shí)驗(yàn)狀態(tài)監(jiān)測(cè)的需要，增加了O1/O2導(dǎo)聯(lián)腦電信號(hào)完成狀態(tài)切換，實(shí)現(xiàn)了對(duì)虛擬場(chǎng)景小車(chē)的前進(jìn)、后退、左轉(zhuǎn)、右轉(zhuǎn)、啟?？刂啤Ｒ韵?/p>

3、是論文的主要內(nèi)容及其創(chuàng)新之處：
　　（1）針對(duì)腦電信號(hào)在采集過(guò)程中夾帶多種干擾信號(hào)的情況，例如眼電信號(hào)、肌電信號(hào)、心電信號(hào)、工頻噪聲等，進(jìn)行了消噪方法的研究。提出了一種基于對(duì)偶樹(shù)復(fù)小波變換的新型閾值消噪方法，仿真結(jié)果表明了該算法的優(yōu)越性。
　?。?）現(xiàn)有成果揭示了不同測(cè)試者做同一運(yùn)動(dòng)想象產(chǎn)生的腦電信號(hào)存在強(qiáng)度不一致的現(xiàn)象；同一測(cè)試者在執(zhí)行同一運(yùn)動(dòng)想象時(shí)也同樣會(huì)發(fā)生腦電信號(hào)強(qiáng)度不一致的狀況，針對(duì)這兩種情況提出了基于節(jié)律的歸一化

4、能量特征提取處理方法，仿真結(jié)果證明了該方法的效果明顯好于未歸一化特征提取。又根據(jù)運(yùn)動(dòng)想象腦電信號(hào)的ERS/ERD現(xiàn)象提出了基于節(jié)律的改進(jìn)樣本熵特征，并將能量譜和改進(jìn)樣本熵兩個(gè)特征組合成一個(gè)新的特征。新特征不僅很好地提升了分類(lèi)的正確率，且降低了計(jì)算的復(fù)雜度。
　?。?）針對(duì)運(yùn)動(dòng)想象腦電信號(hào)傳統(tǒng)模式識(shí)別方法中存在的識(shí)別正確率較低與計(jì)算效率不高的問(wèn)題，引入用交叉檢驗(yàn)和Leave-One-Out(LOO)誤差校正方法對(duì)最小支持二乘向量機(jī)分

5、類(lèi)算法進(jìn)行優(yōu)化，提高了識(shí)別率，降低了計(jì)算復(fù)雜度。運(yùn)用上述混合特征的情況下，平均識(shí)別率達(dá)到70.96％，平均計(jì)算時(shí)間與網(wǎng)格-支持向量機(jī)法相比降低了0.45秒。
　　（4）設(shè)計(jì)了一個(gè)虛擬控制的BCI在線平臺(tái)驗(yàn)證運(yùn)動(dòng)想象腦電信號(hào)識(shí)別的結(jié)果。對(duì)左手、右手、右腳、舌頭4類(lèi)運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行處理識(shí)別，將識(shí)別出的結(jié)果轉(zhuǎn)化為控制信號(hào)，傳輸?shù)教摂M現(xiàn)實(shí)場(chǎng)景，實(shí)現(xiàn)左轉(zhuǎn)、右轉(zhuǎn)、前進(jìn)、后退虛擬動(dòng)作的控制操作，并采用O1/O2通道睜眼/閉眼進(jìn)行實(shí)驗(yàn)工作/休