基于遗传算法LS-SVM直接逆模型的闭环脑机接口单关节控制

来源：信息与控制杂志2018年第6期北京时间：

作者：孙京诰, 王硕, 杨嘉雄, 薛瑞, 潘红光

摘要：脑机接口系统通过大脑-计算机接口技术和控制理论的组合来弥补由于肌体的受损部分而造成的信息缺失.本研究基于心理生理皮质神经元放电率电路模型，在脑机接口控制理论分析的基础上进行自发单关节运动任务，采用自适应ESN（echo state network）设计非线性解码器，并引入FORCE（First Order Reduced and Contrdled Error learning）算法更新网络输出权值，通过仿真有无自然本体反馈信息情况下的解码器的性能来验证所设计的解码器的有效性.最后，通过基于遗传算法LS-SVM（least squares support vector machine）的直接逆模型框架，设计近似大脑皮层感觉区神经元放电率的最佳人工本体反馈去刺激大脑皮层感觉区神经元.仿真结果发现，所设计的闭环脑机接口（BMI）系统框架能够很好地恢复在线自发单关节自然运动任务性能，这也为当系统模型未知时，根据对象的输入输出数据恢复闭环系统的性能提供了新的研究思路.

关键词：脑机接口(BMI), 最小二乘支持向量机(LSSVM), 单关节控制, 递归神经网络(RNN), 回声状态网络(ESN)