中國科學院沈陽自動化研究所等在腦電信號識別研究中取得進展

腦機接口是大腦與外界交互的新方式。腦機接口繞開外周神經，通過在大腦與外部設備之間建立直接連接以進行信息交換，在神經康復、認知計算等領域頗有應用前景。然而，如何實時地、有效地將大腦意圖轉換為控制外部設備的指令，是制約腦機接口技術發展的關鍵問題之一。

近日，中國科學院沈陽自動化研究所神經計算團隊與中國礦業大學合作，將粒子群算法引入到對稱正定黎曼空間，對腦電圖（Electroencephalogram，EEG）的協方差矩陣表征數據進行了維度篩選，有效提高了EEG 信號識別效率，且選擇出的重要維度符合神經生理學發現。相關研究成果發表在《知識庫系統》（Knowledge-Based Systems）上。

圖1 EEG信號的協方差矩陣表征構成彎曲的黎曼空間

該團隊將捕捉大腦意圖EEG 信號表征為協方差矩陣，從平直的歐氏空間轉換到彎曲的對稱正定黎曼空間，利用粒子群算法在黎曼空間中對協方差矩陣進行降維，將協方差矩陣的行和與其對應的列看作為一個特征組，去除對EEG 識別效果影響小或具有干擾的特征組。這一方法在提高識別效率的同時提高了識別正確率。與目前大部分黎曼空間數據基于映射的降維方法不同，該方法具有可解釋性，選擇出的重要維度能夠回溯到EEG信號的通道，在運動想象EEG信號上選擇出的重要維度大致分布在感覺運動皮層，符合神經生理學的發現。該方法為推進腦機接口的實際應用提供了一種方案。

研究工作得到國家自然科學基金和國家重點研發計劃等的支持。

（文章來源：中國科學院網站）