CNN實現(xiàn)的運動想象腦電分類及人-機器人交互

摘要：基于腦電的腦機交互能幫助肢體運動障礙患者進(jìn)行日常生活和康復(fù)訓(xùn)練,但是,由于腦電信號存在信噪比較低、個體差異性大等問題,導(dǎo)致腦電特征的提取與分類還需要進(jìn)一步提高準(zhǔn)確性和效率.因此,在減少腦電采集通道數(shù)目、增加分類數(shù)目的前提下,基于卷積神經(jīng)網(wǎng)絡(luò)對運動想象中的腦電信號進(jìn)行分類.首先,基于已有方法進(jìn)行探索實驗,建立由 3層卷積層、3層池化層和 2層全連接層構(gòu)成的卷積神經(jīng)網(wǎng)絡(luò);然后針對想象左手、右手、腳的運動和靜息態(tài)設(shè)計與開展了實驗,獲取了相關(guān)腦電數(shù)據(jù);之后,利用腦電數(shù)據(jù)訓(xùn)練出基于卷積神經(jīng)網(wǎng)絡(luò)的分類模型,測試結(jié)果表明,該模型平均分類識別率達(dá)到了 82.81%,且高于已有的相關(guān)分類算法;最后,將已建立的分類模型應(yīng)用于運動想象信號的在線分類,設(shè)計與開發(fā)了腦機交互應(yīng)用原型系統(tǒng),驅(qū)動人-機器人之間的實時交互,幫助用戶利用運動想象控制仿人機器人的抬手、前進(jìn)等運動狀態(tài).進(jìn)一步的測試結(jié)果表明,機器人對用戶控制命令的平均識別率達(dá)到了 80.31%,從而驗證了所提方法可以對運動想象腦電數(shù)據(jù)進(jìn)行較為精確的實時分類,可以促進(jìn)腦機接口技術(shù)在人-機器人交互中的應(yīng)用.