孟 明,尹 旭,高云园,佘青山,罗志增

(杭州电子科技大学自动化学院,浙江杭州 310018)

1 引言

作为人类与计算机通信的桥梁,脑机接口(braincomputer interface,BCI)可以通过对脑部神经活动信号的识别产生控制命令,帮助有运动障碍的患者对轮椅,外骨骼等外部设备进行控制,从而改善日常生活质量[1-2].脑电信号(electroencephalogram,EEG)因具有高时间分辨率,低成本和高便捷等优点而被广泛应用,在当前BCI控制系统中广泛使用的EEG范式包括事件相关电位(event related potential,ERP)[3],稳态视觉诱发电位(steady-state visually evoked potential,SSVEP)[4]和运动想象(motor imagery,MI)[5-6].与其他范式相比,MI因无需外界的刺激信号,更贴近自然,更具实用性等优点得到关注[7].它通过对四肢或身体不同部位的运动想象引起大脑皮层相关区域活动的变化.例如,当想象左手或右手运动时,大脑对侧的运动感知区域代谢和血流变强,出现Alpha和Beta频段信号的振幅降低的情况,即出现事件相关去同步(event related desynchronization,ERD)现象;大脑同侧的运动感知区域呈静息或惰性状态,出现Alpha和Beta频段信号的振幅增加的情况,即出现事件相关同步(event related synchronization,ERS)现象[8-9].根据这一规律,可以通过对想象不同的肢体运动所得到的EEG信号进行分类从而产生不同的控制命令.

由于EEG是一种非平稳、低幅值、低信噪比的生物电信号,并且运动想象系统的稳定性较差,易受干扰,特征不明显,给正确识别运动想象意图带来很大挑战,因此采用恰当的方法来提取有效的特征在EEG的识别中显得尤为关键[10].共空间模式(common space pattern,CSP)[11]作为一种空间滤波方法,在基于MI的BCI系统研究中被广泛使用……