摘要：腦機(jī)接口系統(tǒng)通過(guò)大腦一計(jì)算機(jī)接口技術(shù)和控制理論的組合來(lái)彌補(bǔ)由于肌體的受損部分而造成的信息缺失.本研究基于心理生理皮質(zhì)神經(jīng)元放電率電路模型,在腦機(jī)接口控制理論分析的基礎(chǔ)上進(jìn)行自發(fā)單關(guān)節(jié)運(yùn)動(dòng)任務(wù),采用自適應(yīng)ESN(echo state network)設(shè)計(jì)非線性解碼器,并引入FORCE(First Order Reduced andContrdled Error learning)算法更新網(wǎng)絡(luò)輸出權(quán)值,通過(guò)仿真有無(wú)自然本體反饋信息情況下的解碼器的性能來(lái)驗(yàn)證所設(shè)計(jì)的解碼器的有效性.最后,通過(guò)基于遺傳算法LS—SVM(1east squares support vector machine)的直接逆模型框架,設(shè)計(jì)近似大腦皮層感覺(jué)區(qū)神經(jīng)元放電率的最佳人工本體反饋去刺激大腦皮層感覺(jué)區(qū)神經(jīng)元.仿真結(jié)果發(fā)現(xiàn),所設(shè)計(jì)的閉環(huán)腦機(jī)接口(BMI)系統(tǒng)框架能夠很好地恢復(fù)在線自發(fā)單關(guān)節(jié)自然運(yùn)動(dòng)任務(wù)性能,這也為當(dāng)系統(tǒng)模型未知時(shí),根據(jù)對(duì)象的輸入輸出數(shù)據(jù)恢復(fù)閉環(huán)系統(tǒng)的性能提供了新的研究思路.