1、針對(duì)運(yùn)動(dòng)想象腦機(jī)接口系統(tǒng)自適應(yīng)能力不足，識(shí)別率低的問(wèn)題，利用事件相關(guān)同步現(xiàn)象，即通過(guò)腦電采集裝置采集相應(yīng)的腦電信號(hào)，對(duì)其進(jìn)行數(shù)據(jù)采集，預(yù)處理，特征提取和分類和模式識(shí)別等手段，進(jìn)而實(shí)現(xiàn)對(duì)運(yùn)動(dòng)想象腦電信號(hào)識(shí)別。具體如下：
　　說(shuō)明腦電信號(hào)的產(chǎn)生，以及相比于其他信號(hào)的區(qū)別和特點(diǎn)，重點(diǎn)介紹腦電信號(hào)的節(jié)律特性，講述了腦電信號(hào)的研究背景以及在此背景下進(jìn)行的方法突破和創(chuàng)新。
　　對(duì)收集到的信號(hào)進(jìn)行預(yù)處理。對(duì)采集來(lái)的源信號(hào)先進(jìn)行消躁處理，用

2、來(lái)減少實(shí)驗(yàn)誤差是必要的，再通過(guò)一種優(yōu)化的獨(dú)立分量分析，在傳統(tǒng)獨(dú)立成分分析算法的基礎(chǔ)上，結(jié)合權(quán)值迭代公式和偏差調(diào)制公式進(jìn)行第二次估計(jì)，得到比第一次獨(dú)立成分分析分離更精確逼近信號(hào)源的結(jié)果，其目的是用于去除腦電信號(hào)中參雜著的偽跡信號(hào)，例如：眼電、心電信號(hào)的干擾，從而達(dá)到提取出純凈腦電信號(hào)的目的。通過(guò)同傳統(tǒng)的獨(dú)立成分分析算法相比，優(yōu)化的算法具有更強(qiáng)的靈敏度和準(zhǔn)確性。在提取的腦電信號(hào)中，我們通過(guò)優(yōu)化的獨(dú)立成分分析算法能夠分離區(qū)非常清晰、完整的且不

3、參雜其他干擾的純凈的信號(hào)，雖然在運(yùn)算時(shí)間方面相比于其他方法比較慢，但在總體的信噪比方面卻優(yōu)勢(shì)明顯，提高顯著。
　　從腦電控制物體如鼠標(biāo)、玩具車等簡(jiǎn)單移動(dòng)方向出發(fā)，對(duì)大腦在想象物體運(yùn)動(dòng)的四個(gè)方向時(shí)腦電信號(hào)的不同特征分類。目的是通過(guò)聽覺(jué)誘導(dǎo)大腦做出想象物體運(yùn)動(dòng)。采用離散小波變換和小波包變換兩種方法對(duì)信號(hào)進(jìn)行特征提取。分別用傳統(tǒng)的小波變換的方法求小波子帶能量和作為特征值，以及小波包變換方法求取的四種節(jié)律能量均值和小波包熵作為為特征值。<