脑—机接口中运动想象脑电信号的特征提取和分类方法研究
发布时间：2021-11-14 17:59
脑-机接口技术已经成为国内外研究的一个热点,它不仅是一种全新的助残方式和控制手段,对正常人而言,也能提供一种特殊的信息交流和生活娱乐方式。脑-机接口中的控制信号可以分为自发脑电信号和诱发脑电信号两类。由于节律特征比较明显,目前对基于诱发脑电信号的脑-机接口技术的研究相对成熟,但是需要额外的刺激系统。而基于自发脑电信号的研究采用的脑电控制信号自发产生,不需要刺激,实际应用起来比较方便,但是节律特征不是很明显,这就对特征提取和分类方法提出了很高的要求,目前大多数的研究还处于实验室阶段,分类正确率不高,很少应用于实际。因此对基于自发脑电信号的脑-机接口中特征提取和分类方法的研究具有很重要的意义。运动想象脑电信号是自发脑电信号的一种,本文利用实验室NEUROSCAN平台设计实验采集脑电数据,对想象左手握握力器,想象右手握握力器,想象右脚踩油门三类运动想象任务进行了研究。首先利用NEUROSCAN平台中SCAN4.3软件滤除实验中不可避免的眼电（EOG）干扰成分,然后提出了一种FFT和IFFT结合的方法对滤除眼电后的运动想象脑电信号进行滤波,并对滤波后的数据进行了平均能量分析,来验证滤波的可行性...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 脑-机接口技术简介
1.1.1 脑-机接口概念
1.1.2 脑-机接口组成
1.1.3 脑-机接口技术的研究现状
1.1.4 脑-机接口研究意义
1.2 本文的研究基础
1.2.1 大脑的基本结构和脑电信号的产生
1.2.2 脑电信号的特点及主要节律
1.2.3 运动想象脑电信号的研究基础
1.3 本文研究的目的与内容
1.3.1 研究目的
1.3.2 研究内容
2 实验设计和运动想象脑电信号的预处理
2.1 实验设计
2.1.1 实验平台 NEUROSCAN 简介
2.1.2 实验设计
2.2 运动想象脑电信号的预处理
2.2.1 合并行为数据，滤除眼电和转化数据格式
2.2.2 FFT 和IFFT 结合滤波
2.2.3 滤波后数据分析
2.3 本章小结
3 运动想象脑电信号的特征提取方法研究
3.1 概述
3.2 基于AR 模型的功率谱估计
3.2.1 基于AR 模型的功率谱估计原理
3.2.2 对基于AR 模型的功率谱估计的分析
3.3 离散小波分析特征提取方法研究
3.3.1 小波变换基本理论
3.3.2 采用离散小波分析提取信号的能量值特征
3.3.3 采用离散小波分析提取信号的能量值和系数的组合特征
3.4 本章小结
4 运动想象脑电信号的分类方法研究
4.1 概述
4.2 BP 神经网络分类器
4.2.1 BP 神经网络原理
4.2.2 运动想象BP 神经网络分类器的设计
4.3 自组织神经网络分类器
4.3.1 自组织神经网络原理
4.3.2 运动想象自组织神经网络分类器的设计
4.4 粒子群优化支持向量机
4.4.1 支持向量机原理
4.4.2 粒子群优化算法原理
4.4.3 粒子群优化支持向量机参数
4.5 三种方法的分类结果比较分析
4.5.1 能量值作为特征时三种方法的分类结果
4.5.2 能量值和小波系数作为组合特征时三种方法的分类结果
4.5.3 分类结果比较分析
4.6 对自组织神经网络初始权值设定的改进
4.7 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
附录：A. 作者在攻读硕士学位期间发表的论文目录
【参考文献】：
期刊论文
[1]用于脑-机接口P300实验的支持向量机分类方法[J]. 葛瑜,刘杨,周宗潭,胡德文. 计算机工程与设计. 2008(11)
[2]基于F-score特征选择和支持向量机的P300识别算法[J]. 杨立才,李金亮,姚玉翠,吴晓晴. 生物医学工程学杂志. 2008(01)
[3]基于SOM聚类的数据挖掘方法及其应用研究[J]. 杨黎刚,苏宏业,张英,褚健. 计算机工程与科学. 2007(08)
[4]无创高通讯速率的实时脑-机接口系统[J]. 高上凯. 中国基础科学. 2007(03)
[5]一种设计层次支持向量机多类分类器的新方法[J]. 赵晖,荣莉莉,李晓. 计算机应用研究. 2006(06)
[6]模式识别中的支持向量机方法[J]. 杜树新,吴铁军. 浙江大学学报(工学版). 2003(05)
[7]在数据挖掘中基于SOM网络的数据分析可视化设计[J]. 朱家元,张恒喜,虞健飞. 计算机应用与软件. 2003(02)
硕士论文
[1]基于脑电Alpha波的BCI电视遥控系统的设计与实验研究[D]. 陈骞.天津大学 2005
[2]基于脑电Alpha波的脑-机接口系统设计[D]. 高扬.天津大学 2004
本文编号：3495094
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 脑-机接口技术简介
1.1.1 脑-机接口概念
1.1.2 脑-机接口组成
1.1.3 脑-机接口技术的研究现状
1.1.4 脑-机接口研究意义
1.2 本文的研究基础
1.2.1 大脑的基本结构和脑电信号的产生
1.2.2 脑电信号的特点及主要节律
1.2.3 运动想象脑电信号的研究基础
1.3 本文研究的目的与内容
1.3.1 研究目的
1.3.2 研究内容
2 实验设计和运动想象脑电信号的预处理
2.1 实验设计
2.1.1 实验平台 NEUROSCAN 简介
2.1.2 实验设计
2.2 运动想象脑电信号的预处理
2.2.1 合并行为数据，滤除眼电和转化数据格式
2.2.2 FFT 和IFFT 结合滤波
2.2.3 滤波后数据分析
2.3 本章小结
3 运动想象脑电信号的特征提取方法研究
3.1 概述
3.2 基于AR 模型的功率谱估计
3.2.1 基于AR 模型的功率谱估计原理
3.2.2 对基于AR 模型的功率谱估计的分析
3.3 离散小波分析特征提取方法研究
3.3.1 小波变换基本理论
3.3.2 采用离散小波分析提取信号的能量值特征
3.3.3 采用离散小波分析提取信号的能量值和系数的组合特征
3.4 本章小结
4 运动想象脑电信号的分类方法研究
4.1 概述
4.2 BP 神经网络分类器
4.2.1 BP 神经网络原理
4.2.2 运动想象BP 神经网络分类器的设计
4.3 自组织神经网络分类器
4.3.1 自组织神经网络原理
4.3.2 运动想象自组织神经网络分类器的设计
4.4 粒子群优化支持向量机
4.4.1 支持向量机原理
4.4.2 粒子群优化算法原理
4.4.3 粒子群优化支持向量机参数
4.5 三种方法的分类结果比较分析
4.5.1 能量值作为特征时三种方法的分类结果
4.5.2 能量值和小波系数作为组合特征时三种方法的分类结果
4.5.3 分类结果比较分析
4.6 对自组织神经网络初始权值设定的改进
4.7 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
附录：A. 作者在攻读硕士学位期间发表的论文目录
【参考文献】：
期刊论文
[1]用于脑-机接口P300实验的支持向量机分类方法[J]. 葛瑜,刘杨,周宗潭,胡德文. 计算机工程与设计. 2008(11)
[2]基于F-score特征选择和支持向量机的P300识别算法[J]. 杨立才,李金亮,姚玉翠,吴晓晴. 生物医学工程学杂志. 2008(01)
[3]基于SOM聚类的数据挖掘方法及其应用研究[J]. 杨黎刚,苏宏业,张英,褚健. 计算机工程与科学. 2007(08)
[4]无创高通讯速率的实时脑-机接口系统[J]. 高上凯. 中国基础科学. 2007(03)
[5]一种设计层次支持向量机多类分类器的新方法[J]. 赵晖,荣莉莉,李晓. 计算机应用研究. 2006(06)
[6]模式识别中的支持向量机方法[J]. 杜树新,吴铁军. 浙江大学学报(工学版). 2003(05)
[7]在数据挖掘中基于SOM网络的数据分析可视化设计[J]. 朱家元,张恒喜,虞健飞. 计算机应用与软件. 2003(02)
硕士论文
[1]基于脑电Alpha波的BCI电视遥控系统的设计与实验研究[D]. 陈骞.天津大学 2005
[2]基于脑电Alpha波的脑-机接口系统设计[D]. 高扬.天津大学 2004
本文编号：3495094
本文链接：https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/3495094.html
