面向有约束复杂随动系统控制的运动想象脑电信号动态意图解析研究

This research comes from the field of medical rehabilitation, brain control system based on motor imagery is the object of this project. Aiming at the dynamic and consecutive control of complex servo system under energetic constraint by Electroencephalogram (EEG), this research focus on decoding and analysis of motor intention involved in motor imagery EEG. The real prototype and dynamic model of complex servo control system under energetic constraint are investigated, a new experimental paradigm of brain control is proposed. EEG signal processing and feature extraction are studied and improved, automatic EEG extraction based on geometric subspace decomposition and multiple areas feature extraction based on time-frequency decomposition and common space mode are proposed. Importance of EEG features ascertaining by mutual information and grey relationship analysis are studied, the relationship between the linear or nonlinear projections of limb motor parameters and EEG features are studied quantitatively, which give insight in time variant of motor imagery EEG features. Control decision strategy is optimized by using recursive estimation of motor parameters in continuous time slices, analysis the effect of the ahead motor parameters in certain time offsets and EEG feature projection, quantitative estimation of current motor parameters can be given in posterior probability. The brain control performance indices are explored for control ability assessment as adding the task difficulty. Therefore, the research of this project will provide scientific theoretical guide for mechanism of brain control, modeling analysis and design of brain control system.

本项目源于康复辅助需求，以运动想象脑控系统为研究对象，针对有约束复杂随动系统的脑电动态连贯控制问题，开展运动想象脑电信号的动态意图解析研究。提出有约束复杂随动控制对象的现实原型及动力学模型，建立新的脑控实验任务范式。研究并改进脑电信号处理和特征提取方法，提出基于几何子空间分解的脑电信号自动提取方法与基于时频分解和共空间模式的多域特征提取方法。提出基于互信息和灰度关联的脑电特征重要性评估方法，定量研究肢体运动参数与脑电特征在感知域的线性/非线性投影之间的关系，揭示运动想象脑电特征的时变性规律。研究基于状态递推迭代估计的控制策略优化方法，分析前续偏移时间运动参数与脑电特征投影对当前运动状态的影响，以概率形式定量估计当前运动参数。最后在任务难度渐增情况下，研究用于评定脑控能力的系统性能衡量指标。本课题的实施可为脑电控制机理研究、脑控系统的建模分析与设计提供科学的理论依据。

针对现有脑电诱发任务复杂度低，对控制能力要求低，诱发脑电质量和意图识别准确率均有待提高的问题，提出一种有约束且能反映多重典型控制问题的动态复杂控制对象，进行动力学建模，揭示其运动机理,并据此建立了一种新的实验任务范式，验证并实现了面向有能量约束复杂随动系统控制的实验任务的交互系统。重点研究该任务下脑电的处理和特征提取方法，形成并改进了基于几何子空间分解的运动想象脑电信号伪迹自动处理方法；提出基于灰度关联分析法和ROC曲线的脑电特征重要性评估方法；进一步对空间滤波方法进行优化提出了多向稀疏的空间滤波的特征提取方法；提出基于时频分解与脑功能网络特性结合的脑电特征提取方法。在基于Fisher准则的单次运动想象脑电信号意图识别方法的基础上，提出基于正则化线性判别分析的稀疏特征脑电意图识别的改进方法；提出基于广义二次判别分析的有约束随动对象控制的脑意图解析方法。项目的研究成果一方面为交互训练提供了新的复杂有能量约束的随动系统控制任务，所提出的任务可以诱发出专注度更高的任务下高质量脑电信号，为提高意图识别准确率上提供了数据层面上源头的上的保证。另一方面对脑控系统中的信号分析处理方法以及意图识别方面进行了深入研究，找到脑电特征时变性规律，建立了脑电特征与意图之间的响应关系模型，提高意图解码的准确率。成果在注意神经机制的理解和安全操作闭环控制应用中存在潜在价值，为意图识别提供了新的理论和技术。

内容获取失败，请点击重试