多類運動想象腦電信號的識別

盧擴鋒 謝云 甘達雲

摘要：腦電信息作為一種腦神經細胞群電生理活動在大腦皮質表面的總體反映，其存在于生命的始終。而對于腦電信號的識別，可以有效預測將要發生的運動行為，并且由于其攜帶大量的生理和心理信息，所以在科學研究中具有重要的意義。鑒于此，文章重點就多類運動想象腦電信號的識別進行研究分析，以供參考和借鑒。

關鍵詞：腦電信號;運動想象;識別;算法

中圖分類號：TN911 文獻標識碼：A 文章編號：1007-9416（2019）09-0066-02

0 引言

對于想象運動而言，其本質上是在動作還沒有發生的前提下，對將要發生的行為進行預測和分析。當一個人想象某一種行為，而這一種行為沒有發生時，大腦會產生一種執行該類行為的腦電信號，這就是我們所說的運動想象腦電信號。而通過對該類信號的識別和研究，可以有效掌握運動者的行為意圖，從而實現我們人類與外界新環境的有效溝通。

1 多類運動想象腦電信號的識別

1.1 腦電信號的采集

本次研究所使用的數據來源于某次競賽中的2a數據集，對信號采集的設備是利用22個Ag/AgCl電極的EEG放大器，該設備的一般常規參數如下，即采樣率為250Hz，以左側乳突作為參考電極，并配置通濾波器（0.5-100Hz），放大器的靈敏度在100，同時為了有效去除工頻干擾，設備帶有50Hz的陷波濾波，詳細情況如圖1所示。

1.2 信號識別的預處理

在進行腦電信號的預處理中，最常用的方法是ICA，其作為一種高階統計信息的盲源分離法，在進行信號處理中具有重要的作用。而ICA算法的假定源是高斯分布，所以使得分離處理后的信號具有很強的獨立性特征。而由于常見的EEG信號是屬于非高斯分布，但是其各個局部的神經皮層產生的信號可認定為相互獨立，在這種情況下可以利用ICA算法從大腦皮層EEG信號中進行生理信號的分離，詳細如下：

2 運動想象腦電信號存在的問題及發展方向

2.1 存在問題

第一，識別種類較少。當前對于運動想象腦電信號的識別模式較少，同時相關研究工作人員大都將研究重點放在了左右手運動想象識別分析中，所以這就造成了實際運用算法出現很大的困擾，不能提升算法的運用效率，同時也造成了巨大的限制作用;第二，識別率較低。通常情況下，識別率是評價算法應用效果的關鍵性參數，但是就目前而言，運動想象腦電信號的識別率存在較低的情況，導致與理論存在很大的差距。由于識別率受到多種因素的影響，例如數據質量、算法等，所以實際當中需要綜合考慮多種限制性因素;第三，自適應性較差。由于運動想象腦電信號是無固定變化規律的，這使得相應算法必須要符合適應性方面的具體需求，這樣才能達到實際的分析效果。而真正運用當中因為很大的算法都是在固定數據集前提下進行處理和運算，所以出現了自適應性降低的情況，造成最終的識別分析結果不準確;第四，算法實用性較差。目前很多的算法過于復雜，這給實際應用造成了巨大的困擾，使得研究只能停留在試驗仿真階段，不能實現真正意義上的應用和推廣。

2.2 發展方向

第一，學科融合。未來運動想象腦電信號的識別算法將朝著多科融合方向發展，通過融合和借鑒其它學科領域的先進方法，進行自身的優勢互補，大大提升算法的可靠性，例如將傳統的算法與遺傳算法和蟻群算法進行融合處理，這樣一來就可以高效的解決參數選取的弊端問題和缺陷;第二，算法融合。未來的運動想象腦電信號的處理和分析會越來越簡便和快捷，同時對比現在的算法也會更加實用，最減少訓練次數和時間來實現信息的交流和溝通。但是需要注意的是，由于傳統的算法過于單一化，這種缺陷的存在使得研究人員需要加強研發，將多種算法進行融合分析，實現對現有算法的優化和改良，確保算法的運用可以達到實際的效果。

3 結語

綜上所述，通過本次對運動想象腦電新高的識別算法分析，大體介紹了信號的特征提取和算法處理。由于現有算法自身的缺陷和弊端，所以本次研究還對算法的不足和未來的改進進行一定的分析，希望為該領域的研究提供幫助和建議。

參考文獻

[1] 鄺亞云.基于運動想象的腦機接口技術研究[D].中北大學，2019.

[2] 何群，杜碩，張園園，等.融合單通道框架及多通道框架的運動想象分類[J].儀器儀表學報，2018，39（09）：20-29.

[3] 牛新.基于ERN反饋的MI-BCI系統研究與實現[D].鄭州大學，2018.

Abstract：Electroencephalogram （EEG） information， as a general reflection of the electrophysiological activity of the brain neuronal cell population， exists on the surface of the cerebral cortex throughout life.The recognition of EEG signals can effectively predict the movement behavior that will occur， and because it carries a lot of physiological and psychological information， it is of great significance in scientific research. In view of this， this paper focuses on the recognition of multiple motor imagery EEG signals for reference and reference.

Key words：EEG signal; Motion imagination; recognition; algorithms