部分内容展示

摘  要：在脑电信号的采集过程中往往会遇到各种不可预知类型的噪声，并受其干扰，采集的信号具有不平稳的特性。提取出来的信号中除了所需的有用信息之外还有大量的复杂噪声信息，这就要对无用的信息进行祛除，并保留所需的有用信息。本文基于滑动窗的自适应ICA算法及其在脑-机接口中的应用开展研究，提出了一种基于ICA的信号包络在线检测新方法，并将该方法应用于运动想象诱发的mu节律包络检测，建立了相应的左右手运动想象分类识别算法。
关键词：独立分量分析；滑动窗；信号包络检测 更多范文

脑神经信息可通过植入式电极和头皮电极获取。头皮电极因其无创性而获得了更广泛的应用。BCI系统通信控制模块的任务包括基于脑电模式特征的控制命令生成和传输，以及被控对象执行状态的检测与信息反馈等。信号处理与模式识别模块是BCI的核心。脑电（electroencephalogram ，EEG）信号是该模块的输入，其中包含了大脑进行信息加工时的神经元活动信息。通过信号处理，可获得与脑功能状态密切相关的脑电时频特征和皮层激活的空间分布模式。但是，由于脑电信号的信噪比很低，且具有很强的非平稳性和个体差异性，因此，脑电模式特征的有效获取比较困难。此外，在线BCI系统对算法的实时性有较高的要求，这就进一步加大了脑电信号处理和模式识别的难度。