基于高分辨脑电图的脑-机接口信号处理方法研究

针对目前脑-机接口（BCI）系统中常用的脑电图（EEG）信号空间分辨率低、强度较弱且易受噪声影响的问题，提出高分辨脑电图（HREEG）技术在BCI中的应用。HREEG依据电磁场基本规律，由头皮电位逆推得到大脑皮层表面电位分布，从而显著提高信号空间分辨率，克服了常规EEG信号的不足。本项目将深入了解HREEG信号特性，通过实时参考信号去除改善原始信号质量，提高HREEG的准确性和特异性，并利用新的因果关系分析方法完善基于HREEG的特征选择和提取方法，加快信号处理速度，使其更适合于在实际BCI系统中的应用。项目研究成果有望明显改善BCI系统性能，并将在中风病人康复BCI系统中加以验证，为瘫痪病人的康复、治疗提供帮助，提升其生活质量，减轻家庭和社会负担。

本项目关注BCI系统中脑电信号的分析处理，在预处理、特征选择提取及应用等多方面开展工作，取得了一些成果。项目组在理论研究方面发表了6篇期刊或国际会议论文:1)提出了基于ICA方法的完全自动的眨眼信号辨识去除算法和参考信号辨识去除算法，以去除头皮EEG中影响较大的眨眼干扰信号和由参考信号引入的其他肌电、眼电等伪迹信号，获得干净的能真正反映大脑活动的EEG信号。2)基于头皮EEG信号，利用因果关系方法对人脑在进行运动想象任务时的C3，C4，Cz区域的连接特性进行了分析，更深入的了解运动想象时大脑的活动特点。研究发现在运动想象过程中，包括左手想象运动和右手想象运动，从 Cz 到 C3/C4 有很强的定向的因果影响；想象左手运动时，从C4到C3有强的因果关系，而想象右手运动时，这种因果关系的方向是相反的，即从C3 到C4有强的因果关系。另外将经典 Ganger因果分析的结果与我们新型因果分析方法的结果进行比较，发现我们的方法能更准确地表示两个时间变量的因果关系。3)讨论了高分辨率的颅内微电极和宏电极信号在癫痫预测中的应用，指出了颅内微电极信号比颅内宏电极信号具有更高的灵敏性，发现了颅内微电极信号在癫痫发作前其相关性和相位同步性有递增趋势，这与颅内宏电极信号的结论是相反的，从而探讨了癫痫发作预测的新途径。在开展相关的理论研究之外，我们还自主设计开发了一套通用的BCI系统开发框架，开发框架具有很强的开放性和扩展性，可以方便的搭建不同的BCI测试应用平台。基于自主设计的框架，我们搭建了基于BCI的中风病人康复系统，智能轮椅控制系统、智能家居控制系统等多个应用测试平台，并申请了3项国家发明专利，获得了6项软件著作权，为后续的BCI研究奠定了坚实的平台基础。