部分内容展示

一、研究背景与意义

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。；更多范文 独立分量分析（ICA）是最近几年来新发展起来的一种比较新颖的信号处理技术，其基本思想是从由多个源信号线性混合成的信号中把各个源信号分离出来。传统的盲源分离算法基本上是以批处理的方式进行独立分量提取的，并且假设混合系统是非时变的.批处理算法利用事先保存在计算机内的全部采样数据，在分离矩阵的每次学习过程中，重复调用这些数据样本，因此能充分利用静态数据集中包含的统计信息。如果混合模型满足一定的前提条件，那么批处理ICA算法的收敛速度和收敛效果均比较理想。但在很多实际应用场合，混合系统的时变性等问题是不可忽略的.例如，源或传感器处于运动状态、检测环境发生变化以及数据采集时间过长等，都会带来混合模型的变化.因此应用传统的批处理算法就难以得到较理想的盲源分离效果。