基于时间-频率-空间域的运动想象脑电特征提取方法研究

发布时间：2020-01-26 14:10

【摘要】：脑-机接口（Brain Computer Interface, BCI）是一种不依赖于人体的外周神经系统和肌肉组织，，仅仅通过脑电信号即可实现人脑对外界设备控制的全新技术。本文以BCI技术研究中的运动想象脑电为研究对象，对BCI信号处理技术中的的特征提取、特征分类等关键技术展开深入研究，最后与传统的分析方法进行了对比。 首先在分析了脑电信号的事件相关去同步/同步现象的基础上，对运动想象脑电数据进行了相关的预处理，包括：通道选择、与运动想象脑电相关的脑电节律的选取及时间-频率范围的确定。 由于提取出的特征向量的优劣直接影响着BCI的分类效果，而传统的时频特征提取方法难以完整表达脑电信号中的特征信息。因此，在传统的小波变换特征提取方法的理论基础上，针对脑电信号信噪比低、非平稳等特点，设计了基于时间-频率-空间域的脑电信号特征提取方法。这种方法主要融合了小波变换提取的时频域特征及独立分量分析提取的空间特征，更加完整的表达了脑电信号中的时间、频率、空间特征，为分类识别提供更优的特征向量。 采用了支持向量机(Support Vector Machine, SVM)分类方法对提取的特征加以识别。针对以径向基核函数为模型的SVM中，惩罚因子C和核参数σ的值往往根据主观经验来确定的缺点，采用遗传算法实现参数C和σ的寻优选择，优化了SVM分类器的性能。最后，采用2003年BCI竞赛数据，与传统特征提取方法及BCI竞赛冠军分类结果对比，验证设计方法的可行性及有效性。 运动想象数据的分类结果显示，特征向量为14维，分类正确率达96.4%。通过与传统方法及竞赛结果的对比，本文设计方案比传统方法及竞赛最好成绩的分类正确率均有所提高。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP334.7

【参考文献】

相关期刊论文 前10条

1 宋杨;王菲露;;基于多分辨率分析的多传感器遥感图像融合方法[J];安徽大学学报(自然科学版);2011年02期

2 徐宝国;宋爱国;;单次运动想象脑电的特征提取和分类[J];东南大学学报(自然科学版);2007年04期

3 徐宝国;宋爱国;王爱民;;基于小波包能量的脑电信号特征提取方法[J];东南大学学报(自然科学版);2010年06期

4 周宗潭;胡德文;高政;周华平;刘杨;;国际脑计算机接口竞赛介绍及参赛经验谈[J];电气电子教学学报;2007年02期

5 高海波;崔建新;洪文学;郝连旺;;用基于平行坐标图的可视化人机交互技术提取EEG信号特征的方法[J];高技术通讯;2010年05期

6 徐本栋;吕勇;;P300测谎的新取向[J];湖南警察学院学报;2011年01期

7 程明,任宇鹏,高小榕,王广志,季林红,高上凯;脑电信号控制康复机器人的关键技术[J];机器人技术与应用;2003年04期

8 侯艳艳;;一种基于扩展Infomax的自适应学习算法[J];九江学院学报;2008年06期

9 邓志东;李修全;郑宽浩;姚文韬;;一种基于SSVEP的仿人机器人异步脑机接口控制系统[J];机器人;2011年02期

10 高楠,卓晴,王文渊;一种新型的人机交互方式——脑机接口[J];计算机工程;2005年18期

相关硕士学位论文 前8条

1 韩伟;睡眠脑电信号的分析与处理方法[D];西北工业大学;2005年

2 王永飞;基于独立分量分析的脑电消噪与特征提取[D];安徽大学;2006年

3 李波;嵌入式脑机接口系统设计与实现[D];国防科学技术大学;2006年

4 杨雪;基于动物实验的脑—机接口研究[D];浙江大学;2007年

5 胡人君;脑机接口应用中的思维任务分类研究[D];安徽大学;2007年

6 邹清;基于AR模型的脑电信号特征提取与识别[D];中南大学;2008年

7 黄日辉;思维脑电及P300脑电的特征提取与识别[D];五邑大学;2008年

8 叶坤;左右手运动想象脑电采集和特征提取方法初探[D];华中科技大学;2008年

本文编号：2573321