摘要：腦機接口系統(tǒng)通過大腦一計算機接口技術(shù)和控制理論的組合來彌補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,在腦機接口控制理論分析的基礎(chǔ)上進行自發(fā)單關(guān)節(jié)運動任務(wù),采用自適應(yīng)ESN(echo state network)設(shè)計非線性解碼器,并引入FORCE(First Order Reduced andContrdled Error learning)算法更新網(wǎng)絡(luò)輸出權(quán)值,通過仿真有無自然本體反饋信息情況下的解碼器的性能來驗證所設(shè)計的解碼器的有效性.最后,通過基于遺傳算法LS—SVM(1east squares support vector machine)的直接逆模型框架,設(shè)計近似大腦皮層感覺區(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區(qū)神經(jīng)元.仿真結(jié)果發(fā)現(xiàn),所設(shè)計的閉環(huán)腦機接口(BMI)系統(tǒng)框架能夠很好地恢復(fù)在線自發(fā)單關(guān)節(jié)自然運動任務(wù)性能,這也為當系統(tǒng)模型未知時,根據(jù)對象的輸入輸出數(shù)據(jù)恢復(fù)閉環(huán)系統(tǒng)的性能提供了新的研究思路.