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

　　近日，中國科學院沈陽自動化研究所神經計算團隊與中國礦業大學開展聯合研究，將粒子群算法引入到對稱正定黎曼空間，對腦電圖(Electroencephalogram, EEG)的協防差矩陣表征數據進行了維度篩選，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生理學發現。相關研究成果發表于《知識庫系統》(Knowledge-Based Systems, KBS)。
 

　　研究團隊將捕捉大腦意圖EEG信號表征為協防差矩陣，從平直的歐氏空間轉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防差矩陣進行降維，將協防差矩陣的行和與其對應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據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，符合神經生理學的發現。該方法為推進腦機接口的實際應用提出了一種方案。
 

EEG信號的協防差矩陣表征構成彎曲的黎曼空間
 

粒子群算法對協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、科技部重點研發計劃等項目的支持。(機器人學研究室)