ハイブリッド脳マシンインターフェイスのための多次元配列信号処理の研究とその実現

本研究の目的は, 様々な脳マシンインターフェイス(BMI ; Brain Machine Interface)を組み合わせたハイブリットBMI (HBMI)のための信号処理の開発である. BMIは, 脳と機械を繋ぐインターフェイスである. BMIは, 脳波計などで観測される脳活動を利用するため, 従来のインターフェイスと異なり, その使用に筋肉運動は必要ない. そのため, 身体障害者のためのインターフェイスやリハビリテーションでの利用が期待されている.BMIのユーザはあるタスクを課される. BMIは, そのタスクによって誘発される脳活動を解析する. タスクによって脳信号に観測される特徴が異なる. そのため, それぞれのタスクに関する信号処理は, これまで独立に研究されてきた. しかし, HBMIを効率的に実現するには, 統一的な信号処理の枠組みが必要である.本研究では, 複数のインデックスを持つデータを扱う多次元配列信号処理を用いることで, 脳波処理のための枠組みを提案する. 提案手法では, 複数インデックスにおける特徴(周波数分布・空間分布・発生時間)を, それぞれ有限インパルス応答フィルタ・空間重み・時間ウィンドウのパラメータとして定式化する. 観測データを用いて, これらのパラメータを最適に求めることで, 個人差や環境差に頑健なパラメータを設計する. 運動想起タスクを用いたBMIにおいて性能評価し, 提案手法の有効性を示した. また, 周波数エネルギー分布や波形の変化を解析する必要がある, 定常的視覚誘発電位やP300と呼ばれる脳活動を利用するBMIにおいても, 提案手法を用いることができる.

本研究の目的は, 様々な脳マシンインターフェイス(BMI ; Brain Machine Interface)を組み合わせたハイブリットBMI (HBMI)のための信号処理の開発である. BMIは, 脳と機械を繋ぐインターフェイスである. BMIは, 脳波計などで観測される脳活動を利用するため, 従来のインターフェイスと異なり, その使用に筋肉運動は必要ない. そのため, 身体障害者のためのインターフェイスやリハビリテーションでの利用が期待されている.BMIのユーザはあるタスクを課される. BMIは, そのタスクによって誘発される脳活動を解析する. タスクによって脳信号に観測される特徴が異なる. そのため, それぞれのタスクに関する信号処理は, これまで独立に研究されてきた. しかし, HBMIを効率的に実現するには, 統一的な信号処理の枠組みが必要である.本研究では, 複数のインデックスを持つデータを扱う多次元配列信号処理を用いることで, 脳波処理のための枠組みを提案する. 提案手法では, 複数インデックスにおける特徴(周波数分布・空間分布・発生時間)を, それぞれ有限インパルス応答フィルタ・空間重み・時間ウィンドウのパラメータとして定式化する. 観測データを用いて, これらのパラメータを最適に求めることで, 個人差や環境差に頑健なパラメータを設計する. 運動想起タスクを用いたBMIにおいて性能評価し, 提案手法の有効性を示した. また, 周波数エネルギー分布や波形の変化を解析する必要がある, 定常的視覚誘発電位やP300と呼ばれる脳活動を利用するBMIにおいても, 提案手法を用いることができる.