脑电信号是人体大脑产生的一种重要生理电信号。大脑作为人体最神秘、最复杂的器官,一直以来是科学家们的研究重点,脑电信号更是科学家们研究的聚焦点。脑电信号中既包含人体大脑日常活动产生的基本信号,又包含人体大脑根据自发想象或外界刺激所产生的思维信号。无论对人体大脑各个区域详细功能的研究还是对人工智能等相关领域的开发,脑电信号都具有很重要的作用。脑机接口技术指的是在人体的大脑与电脑、轮椅等外围设备之间设立的一条进行信息交流的通道。脑机接口系统既能根据人体大脑产生的脑电信号中包含的思维信号的分析处理结果来简单控制计算机等外围电子设备,达到简单控制外部环境的效果;又能根据外围电子设备的运动,对人体大脑进行相应的外界刺激从而产生新的思维脑电信号,达到重新控制外围电子设备的目的。随着交流障碍患者和肌萎缩性硬化、脊髓损伤等脑疾病患者数目的增多,对这种脑机接口技术的要求不断提高。如何提高脑机接口系统中对相关脑电信号进行分析计算的结果的精度成为困扰科学家们的难题。P300脑电信号是人体的大脑在接受到特定模式的视觉诱发刺激而形成的一种诱发电信号,因其具有形成时间固定、在大脑头皮特定区域能量明显、易于检测等特点而成为脑机接口系统中最常用的一种脑电信号。利用人体大脑根据视觉诱发刺激产生的P300脑电信号作为输入信号的脑机接口系统中,实验者无需经过特别的专项训练就可以达到预定的效果。本课题采用第三届脑机接口数据竞赛组织方提供的P300脑电信号,开展脑机接口信号的多模式识别融合技术研究,以期提高脑机接口系统中脑电信号进行分析计算的结果的精度,促进脑机接口技术的实际工程应用。论文主要开展了以下内容的研究工作:(1).P300脑电信号的预处理过程。P300脑电信号中有用频率主要集中于0-30Hz的范围,因此首先对脑电信号作低通滤波处理,消除高频干扰。然后采用最优加权叠加方法对滤波后的脑电信号进一步处理,以消除脑电信号采集过程中受到相邻电极的相互作用,使得本来准时的波动出现延迟的问题。(2).运用小波变换、AR模型、主成分分析和近似熵等目前使用最广泛的四种算法提取预处理后的脑电信号中包含的特征。小波分解提取电位信号2-8Hz的频段作为测试样本;AR模型主要是构建一个4阶的AR模型,选取其模型的相应系数作为实验需要提取特征;主成分分析对64个通道进行空间解耦,并提取前十个主成分通道作为特征;近似熵算法是对选取的10个通道的信号段进行的近似熵计算值作为特征。(3).运用支持向量机、BP神经网络、径向基神经网络和朴素贝叶斯分类器四种不同类别的分类器对上文提取到脑电特征进行分类训练和测试。支持向量机分类器选用使用范围最广的线性函数作为需要的核函数;BP神经网络分类器基本思路是构建两层神经网络;径向基神经网络分类器能够随意逼近任何非线性函数,有良好的泛化能力和学习收敛速度;朴素贝叶斯分类器是基于独立假设的Bayes定理的简单概率分类器。采用提取出的特征对分类器进行分类训练和测试,最终得到选用支持向量机分类器能够获得最高92.94%的准确率。(4).将四种特征提取算法和四种特征分类算法交叉融合共构成16个脑电信号数据处理模型。分别运用这16种信号处理融合模型对实验提供的P300脑电信号训练后测试,得到不同融合模型的处理准确率。选用多组P300脑电数据处理后,结果表明由小波变换特征提取算法和支持向量机分类器融合构成的模型得到最高识别准确率,平均达到了90%。