基于Actor-Critic算法与神经网络的闭环脑机接口控制器设计

简介：
本研究提出一种结合Actor-Critic算法和神经网络的闭环脑机接口控制器设计方案，旨在优化脑机交互过程中的控制性能。该方法通过模拟强化学习机制来实现对用户意图的高效识别与响应，增强了系统的自适应性和鲁棒性。 在皮层神经元放电活动模型的基础上进行单关节自发运动的研究，并从控制理论的角度分析闭环脑机接口的工作原理。使用卡尔曼滤波器和人工神经网络设计系统的解码器，替代原系统中的脊髓电流信号，并比较这两种解码器的优劣。由于缺乏感知反馈信号时，解码器性能明显下降，因此采用强化学习中Actor-Critic算法结合人工神经网络设计PID控制器，以产生刺激大脑皮层神经元所需的信号，使它们能够跟踪有感知反馈信号情况下的放电活动，从而恢复解码器的性能。最后通过与其他控制算法进行对比验证了基于强化学习的人工感知反馈信号设计方案的有效性。