一种基于运动想象的多模态脑电信号解析方法研究

摘要

通过基于敏感度的范式选择方法，研究一种基于运动想象的多模态脑电信号的解析方法，可以筛选出针对某特定被试者相匹配的最优范式，之后再应用改进的黎曼最小均值距离分类器，可以使“脑机接口盲”现象得到大幅改善，对应群体的任务指令识别率和分类准确率提升明显。采用脉冲时序依赖可塑性学习机制，设计侧抑制机制的脉冲神经网络，实现对低信噪比信号的鲁棒性的提升，对分类精度的显著调高。设置基于召回率的安全停止信号，结合混淆矩阵的实时监测分类结果，能够显著降低解析系统的误操作率，从而保证了紧急指令执行的准确率。最后，通过结合运动想象与稳态视觉诱发电位的多模态控制策略，优化了指令响应的延迟，通过实验结果分析可见，所提出的解析方法能够提升系统的可靠性，通过并行通道实现了多模态任务的协同，极大地提高了指令识别率，所提解析方法可以应用于医疗康复机器人、智能制造等多种场景，具有一定的实际推广应用价值。

关键词

脑电信号 / 脑机接口 / 运动想象 / 黎曼最小均值距离分类 / 脉冲神经网络