14、基于常见空间模式的运动想象意图识别及固定翼飞机事件触发安全跟踪控制

基于常见空间模式的运动想象意图识别及固定翼飞机事件触发安全跟踪控制

1. 运动想象意图识别相关内容

1.1 研究背景与目标

脑机接口（BCI）在康复领域有着巨大的应用前景，但基于运动想象的BCI仍存在准确率低和稳定性差等问题。深度学习虽然在BCI研究中取得了显著成果，但需要大量训练数据来优化模型，在实际应用中效果不佳，且难以实现对外部设备的实时高速控制，因此传统分类器更适合实时BCI控制。本研究旨在将常见空间模式（CSP）等特征与不同分类器有机结合，以实现更好的分类效果，并通过qbrobotics机械臂抓取实验验证算法的实时性和有效性。

1.2 实验与方法

1.2.1 实验描述

从Physionet提供的开源脑电图（EEG）信号中，随机选取EEG运动/图像数据集中的5名受试者。实验中，受试者根据提示执行不同任务，同时使用64通道EEG设备采集数据。每个受试者在每次实验中执行四项任务，为实现运动想象识别，选取想象手或脚的开合作为实验数据，并统一选取4秒的数据，因为每项任务大约执行4秒。

1.2.2 预处理

EEG信号包含大量噪声和干扰，预处理可有效提高数据质量，主要步骤如下：
1. EEG重新参考 ：选择合适的EEG参考可显著影响分类准确性和对伪影的敏感性，本研究使用平均参考来消除通道噪声。
2. 滤波 ：在计算空间滤波器之前，对重新参考后的EEG信号在5 - 40 Hz频段进行滤波，使用FIR滤波器，宽带比窄带提供更好的分类结果。
3. 眼电噪声去除