多类运动想象脑电信号的识别

卢扩锋 谢云 甘达雲

摘要：脑电信息作为一种脑神经细胞群电生理活动在大脑皮质表面的总体反映，其存在于生命的始终。而对于脑电信号的识别，可以有效预测将要发生的运动行为，并且由于其携带大量的生理和心理信息，所以在科学研究中具有重要的意义。鉴于此，文章重点就多类运动想象脑电信号的识别进行研究分析，以供参考和借鉴。

关键词：脑电信号;运动想象;识别;算法

中图分类号：TN911 文献标识码：A 文章编号：1007-9416（2019）09-0066-02

0 引言

对于想象运动而言，其本质上是在动作还没有发生的前提下，对将要发生的行为进行预测和分析。当一个人想象某一种行为，而这一种行为没有发生时，大脑会产生一种执行该类行为的脑电信号，这就是我们所说的运动想象脑电信号。而通过对该类信号的识别和研究，可以有效掌握运动者的行为意图，从而实现我们人类与外界新环境的有效沟通。

1 多类运动想象脑电信号的识别

1.1 脑电信号的采集

本次研究所使用的数据来源于某次竞赛中的2a数据集，对信号采集的设备是利用22个Ag/AgCl电极的EEG放大器，该设备的一般常规参数如下，即采样率为250Hz，以左侧乳突作为参考电极，并配置通滤波器（0.5-100Hz），放大器的灵敏度在100，同时为了有效去除工频干扰，设备带有50Hz的陷波滤波，详细情况如图1所示。

1.2 信号识别的预处理

在进行脑电信号的预处理中，最常用的方法是ICA，其作为一种高阶统计信息的盲源分离法，在进行信号处理中具有重要的作用。而ICA算法的假定源是高斯分布，所以使得分离处理后的信号具有很强的独立性特征。而由于常见的EEG信号是属于非高斯分布，但是其各个局部的神经皮层产生的信号可认定为相互独立，在这种情况下可以利用ICA算法从大脑皮层EEG信号中进行生理信号的分离，详细如下：

2 运动想象脑电信号存在的问题及发展方向

2.1 存在问题

第一，识别种类较少。当前对于运动想象脑电信号的识别模式较少，同时相关研究工作人员大都将研究重点放在了左右手运动想象识别分析中，所以这就造成了实际运用算法出现很大的困扰，不能提升算法的运用效率，同时也造成了巨大的限制作用;第二，识别率较低。通常情况下，识别率是评价算法应用效果的关键性参数，但是就目前而言，运动想象脑电信号的识别率存在较低的情况，导致与理论存在很大的差距。由于识别率受到多种因素的影响，例如数据质量、算法等，所以实际当中需要综合考虑多种限制性因素;第三，自适应性较差。由于运动想象脑电信号是无固定变化规律的，这使得相应算法必须要符合适应性方面的具体需求，这样才能达到实际的分析效果。而真正运用当中因为很大的算法都是在固定数据集前提下进行处理和运算，所以出现了自适应性降低的情况，造成最终的识别分析结果不准确;第四，算法实用性较差。目前很多的算法过于复杂，这给实际应用造成了巨大的困扰，使得研究只能停留在试验仿真阶段，不能实现真正意义上的应用和推广。

2.2 发展方向

第一，学科融合。未来运动想象脑电信号的识别算法将朝着多科融合方向发展，通过融合和借鉴其它学科领域的先进方法，进行自身的优势互补，大大提升算法的可靠性，例如将传统的算法与遗传算法和蚁群算法进行融合处理，这樣一来就可以高效的解决参数选取的弊端问题和缺陷;第二，算法融合。未来的运动想象脑电信号的处理和分析会越来越简便和快捷，同时对比现在的算法也会更加实用，最减少训练次数和时间来实现信息的交流和沟通。但是需要注意的是，由于传统的算法过于单一化，这种缺陷的存在使得研究人员需要加强研发，将多种算法进行融合分析，实现对现有算法的优化和改良，确保算法的运用可以达到实际的效果。

3 结语

综上所述，通过本次对运动想象脑电新高的识别算法分析，大体介绍了信号的特征提取和算法处理。由于现有算法自身的缺陷和弊端，所以本次研究还对算法的不足和未来的改进进行一定的分析，希望为该领域的研究提供帮助和建议。

参考文献

[1] 邝亚云.基于运动想象的脑机接口技术研究[D].中北大学，2019.

[2] 何群，杜硕，张园园，等.融合单通道框架及多通道框架的运动想象分类[J].仪器仪表学报，2018，39（09）：20-29.

[3] 牛新.基于ERN反馈的MI-BCI系统研究与实现[D].郑州大学，2018.

Abstract：Electroencephalogram （EEG） information， as a general reflection of the electrophysiological activity of the brain neuronal cell population， exists on the surface of the cerebral cortex throughout life.The recognition of EEG signals can effectively predict the movement behavior that will occur， and because it carries a lot of physiological and psychological information， it is of great significance in scientific research. In view of this， this paper focuses on the recognition of multiple motor imagery EEG signals for reference and reference.

Key words：EEG signal; Motion imagination; recognition; algorithms