【儀表網(wǎng) 研發(fā)快訊】腦機接口是大腦與外界交互的新方式。它繞開外周神經(jīng)，通過在大腦與外部設(shè)備間建立直接連接進行信息交換，在神經(jīng)康復(fù)、認知計算等領(lǐng)域有著廣泛的應(yīng)用前景。然而，如何實時、有效地將大腦意圖轉(zhuǎn)換為控制外部設(shè)備的指令一直是制約腦機接口技術(shù)發(fā)展的關(guān)鍵問題之一。
 

　　近日，中國科學院沈陽自動化研究所神經(jīng)計算團隊與中國礦業(yè)大學開展聯(lián)合研究，將粒子群算法引入到對稱正定黎曼空間，對腦電圖(Electroencephalogram, EEG)的協(xié)防差矩陣表征數(shù)據(jù)進行了維度篩選，有效提高了EEG信號識別效率，且選擇出的重要維度符合神經(jīng)生理學發(fā)現(xiàn)。相關(guān)研究成果發(fā)表于《知識庫系統(tǒng)》(Knowledge-Based Systems, KBS)。
 

　　研究團隊將捕捉大腦意圖EEG信號表征為協(xié)防差矩陣，從平直的歐氏空間轉(zhuǎn)換到彎曲的對稱正定黎曼空間，利用粒子群算法在黎曼空間中對協(xié)防差矩陣進行降維，將協(xié)防差矩陣的行和與其對應(yīng)的列看作為一個特征組，去除對EEG識別效果影響小或具有干擾的特征組。該方法在提高識別效率的同時提高了識別正確率。與目前大部分黎曼空間數(shù)據(jù)基于映射的降維方法不同，該方法具有可解釋性，選擇出的重要維度能夠回溯到EEG信號的通道，在運動想象EEG信號上選擇出來的重要維度大致分布在感覺運動皮層，符合神經(jīng)生理學的發(fā)現(xiàn)。該方法為推進腦機接口的實際應(yīng)用提出了一種方案。
 

EEG信號的協(xié)防差矩陣表征構(gòu)成彎曲的黎曼空間
 

粒子群算法對協(xié)防差矩陣維度篩選在黎曼空間中的演化過程
 

運動想象EEG信號選擇出的重要維度所對應(yīng)通道大致分布在感覺運動皮層
 

　　該研究得到國家自然科學基金、科技部重點研發(fā)計劃等項目的支持。(機器人學研究室)