基于马尔科夫切换过程的运动想象信号分类

发布时间：2018-03-16 08:52

  本文选题：运动想象　切入点：脑机接口　出处：《中国生物医学工程学报》2014年06期 　论文类型：期刊论文

【摘要】：隐马尔科夫模型(HMM)在脑机接口(BCI)领域中已经得到很好的应用,尤其是在运动想象(MI)信号的分类中。但是,很多传统的方法只是利用隐马尔科夫模型描述信号的动态特性,再根据观测数据求得模型参数,然后进行信号分类。由于脑电信号低信噪比、高维数和状态复杂的特点,在研究中先用分层Dirichlet过程(HDP)描述MI信号,利用HDP自聚类特性,然后使用AR模型描述MI信号的时间特性,最后结合马尔科夫切换过程(MSP)描述MI信号的动态特性,以此来充分地描述MI信号。随后对实验室采集的数据和2003年BCI国际大赛的部分数据,使用HDP-AR-HMM模型对MI信号分类,获得很好的分类效果,准确率分别是99.00%、92.00%和72.46%。实验结果表明,所提出的方法可以取得更好的运动想象信号分类。
[Abstract]:Hmm (Hidden Markov Model) has been widely used in BCI (brain computer Interface), especially in the classification of motion imagination (MII) signals. However, many traditional methods only use Hidden Markov models to describe the dynamic characteristics of signals. Then the model parameters are obtained according to the observed data, and then the signals are classified. Because of the characteristics of low signal-to-noise ratio, high dimension and complex state of EEG, the MI signal is described by stratified Dirichlet process, and the self-clustering characteristic of HDP is used. Then the AR model is used to describe the time characteristic of MI signal, and the dynamic characteristic of MI signal is described with Markov switching process (MSPP). Using HDP-AR-HMM model to classify MI signal, the accuracy is 99.00% 92.00% and 72.46% respectively. The experimental results show that, The proposed method can obtain better classification of motion imagination signals.
【作者单位】： 华南理工大学自动化科学与工程学院;国家电网湖北电力公司黄石供电公司;
【基金】：广东省自然科学基金(S2012020010945) 国家自然科学基金(61105121,61175114,91120305)
【分类号】：TN911.7;TP334.7

【参考文献】

相关期刊论文 前3条

1 尧德中;刘铁军;雷旭;杨平;徐鹏;张杨松;;基于脑电的脑-机接口:关键技术和应用前景[J];电子科技大学学报;2009年05期

2 周建英;王飞跃;曾大军;;分层Dirichlet过程及其应用综述[J];自动化学报;2011年04期

3 高上凯;;浅谈脑—机接口的发展现状与挑战[J];中国生物医学工程学报;2007年06期

【共引文献】

相关期刊论文 前10条

1 喻晓;;基于脑电alpha波的实时脑-机接口系统[J];重庆理工大学学报(自然科学);2012年07期

2 吴海静;何庆华;田逢春;;基于瞬态视觉诱发电位的识别算法研究[J];传感器与微系统;2012年04期

3 颜世玉;王宏;刘冲;赵海滨;;基于小波方差的运动想象脑电信号特征提取[J];东北大学学报(自然科学版);2012年07期

4 赵丽;孙永;马彦臻;何洋;;基于SSVEP的脑-机接口自动车系统研究[J];电子测量技术;2011年12期

5 李明爱;陆婵婵;杨金福;;基于改进CSSD的脑电信号特征提取方法[J];北京工业大学学报;2013年07期

6 田银;李沛洋;徐鹏;;基于AdaBoost的脑机接口分类算法研究[J];电子科技大学学报;2013年05期

7 张伟林;;基于高输入阻抗放大器的EEG传感器设计[J];传感器与微系统;2014年11期

8 洪杰;秦现生;谭小群;王文杰;牛军龙;;脑-机接口技术研究[J];北京生物医学工程;2014年05期

9 章登义;欧阳黜霏;吴文李;;针对时间序列多步预测的聚类隐马尔科夫模型[J];电子学报;2014年12期

10 张林;刘辉;;DNA甲基化微阵列的非参数贝叶斯聚类算法[J];自动化学报;2012年10期

相关会议论文 前2条

1 李丽君;黄思娟;吴效明;熊冬生;;基于ECOG的运动想象特征提取和分类[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会壁报展示论文[C];2010年

2 李丽君;黄思娟;吴效明;熊冬生;;基于运动想象的脑电信号特征提取与分类[A];中国仪器仪表学会医疗仪器分会2010两岸四地生物医学工程学术年会论文集[C];2010年

相关博士学位论文 前10条

1 张海波;具象思维作业的脑电空间与频域特征研究[D];北京中医药大学;2011年

2 张良力;面向安全预警的机动车驾驶意图识别方法研究[D];武汉理工大学;2011年

3 程龙龙;BCICFES重建运动神经系统的信号处理与控制关键技术研究[D];天津大学;2010年

4 李鹏海;基于计算机视觉的移动外设BCI控制新技术研究[D];天津大学;2011年

5 蔡伟宏;基于非参数贝叶斯方法的资产配置[D];华中科技大学;2012年

6 王磊;基于运动想象的脑电信号分类与脑机接口技术研究[D];河北工业大学;2009年

7 郭晓静;独立分量分析在脑—机接口中的应用研究[D];安徽大学;2010年

8 朱浩;一类动态贝叶斯网络模型及其应用研究[D];重庆大学;2012年

9 孟宪勇;图模型基础理论研究[D];东北师范大学;2012年

10 张宇;基于视觉诱发电位的脑—机接口分析算法优化及实时控制系统构建[D];华东理工大学;2013年

相关硕士学位论文 前5条

1 刘兵强;流形学习方法预测MicroRNA[D];燕山大学;2012年

2 崇信毅;基于视频监控数据的人群行为分析[D];北京交通大学;2012年

3 邵士雨;基于视频的交通事件检测算法研究[D];山东大学;2013年

4 杨雅;基于贝叶斯理论的运动想象信号分析方法研究[D];华南理工大学;2013年

5 边疆;基于非参数Bayesian的分类算法研究[D];西安电子科技大学;2014年

【二级参考文献】

相关期刊论文 前8条

1 徐谦;周俊生;陈家骏;;Dirichlet过程及其在自然语言处理中的应用[J];中文信息学报;2009年05期

2 ;Guest Editorial Brain-Computer Interface:Today and Tomorrow[J];Journal of Electronic Science and Technology of China;2009年01期

3 ;Real-Time Brain-Computer Interface System Based on Motor Imagery[J];Journal of Electronic Science and Technology of China;2009年01期

4 ;Probabilistic Methods in Multi-Class Brain-Computer Interface[J];Journal of Electronic Science and Technology of China;2009年01期

5 ;Common Spatial Pattern Ensemble Classifier and Its Application in Brain-Computer Interface[J];Journal of Electronic Science and Technology of China;2009年01期

6 ;Semi-Supervised Learning Based on Manifold in BCI[J];Journal of Electronic Science and Technology of China;2009年01期

7 ;An Algorithm for Idle-State Detection and Continuous Classifier Design in Motor-Imagery-Based BCI[J];Journal of Electronic Science and Technology of China;2009年01期

8 杨平;刘铁军;尧德中;;支持向量机后验概率方法在多任务脑机接口中的应用[J];中国生物医学工程学报;2009年02期

【相似文献】

相关期刊论文 前10条

1 林伟成;孔万增;;基于广义微状态的运动想象分类研究[J];杭州电子科技大学学报;2014年01期

2 阳宏;夏斌;谢宏;王聪;肖殿云;;一种用于实现多命令输出的运动想象分组策略[J];广西师范大学学报(自然科学版);2011年03期

3 周鹏;葛家怡;曹红宝;张爽;王明时;;基于样本熵的运动想象分类研究[J];信息与控制;2008年02期

4 殷罡;吴平东;彭军强;黄漫玲;汪东;;运动想象脑电ERD/ERS时频分析方法研究[J];微计算机信息;2009年13期

5 王璐;吴小培;高湘萍;;四类运动想象任务的脑电特征分析及分类[J];计算机技术与发展;2008年10期

6 肖丹;胡剑锋;;运动想象脑电信号识别研究[J];计算机工程与应用;2010年33期

7 赵丽;郭旭宏;耿丽清;;多类运动想象脑电信号的处理研究[J];中国生物医学工程学报;2013年05期

8 侯秉文;刘鹏;周广玉;何嘉全;;基于运动想象脑机接口的AuFBCSP方法[J];电子科技;2012年01期

9 林江凯;陈民铀;张莉;张聪誉;;三类运动想象脑电信号的离线分析研究[J];微计算机信息;2011年03期

10 周光省;罗志增;高云园;;基于模糊化符号复杂度的脑电运动想象识别算法[J];传感技术学报;2013年05期

相关会议论文 前10条

1 杨远滨;王芗斌;;浅谈中医意念与运动想象的比较[A];中国医师协会第二届康复医学论坛、中国康复医学会第四届青年学术会议、北京康复医学会第三届会员代表大会论文集[C];2005年

2 贾子善;;运动想像的理论与应用[A];2008年浙江省物理医学与康复学术年会暨中枢神经功能损伤康复新进展学习班论文汇编[C];2008年

3 张爽;周鹏;熊屹;王明时;;运动想象脑电模式的动态分类[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

4 诸强;谢琳;;基于小波分析的运动想象脑电模式特征提取与分类[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

5 孔万增;张艳娜;胡三清;戴国骏;张建海;魏大名;;基于运动想象的中风患者肢体康复实时控制系统[A];第一届全国神经动力学学术会议程序手册 & 论文摘要集[C];2012年

6 徐海鹰;;运动想象疗法结合运动再学习方案在脑卒中早期患者上肢功能的应用[A];中国康复医学会运动疗法分会第十一届全国康复学术大会学术会议论文摘要汇编[C];2011年

7 李泽云;王昭君;林金生;卢攀;;运动想象联合强制性运动疗法治疗脑卒中偏瘫60例临床观察[A];中国康复医学会脑血管病专业委员会换届暨第十五次全国脑血管病康复学术年会、湖南省康复医学会神经康复专业委员会2012学术年会论文集[C];2012年

8 王艳;唐强;白震民;李娟;;头穴丛刺与被动运动和运动想象结合对早期脑卒中患者运动功能的影响[A];中国康复医学会第五届全国康复治疗学术会议论文集[C];2006年

9 刘佳;邓景贵;陶希;宋红;;运动想象疗法对老年卒中偏瘫患者肢体功能恢复的影响研究[A];中国康复医学会脑血管病专业委员会换届暨第十五次全国脑血管病康复学术年会、湖南省康复医学会神经康复专业委员会2012学术年会论文集[C];2012年

10 吴华;顾旭东;时美芳;吴彩虹;朱美红;金妹;杨京辉;;虚拟现实技术结合运动想象疗法对脑卒中患者上肢功能恢复的影响[A];2013浙江省物理医学与康复学学术年会暨第八届浙江省康复医学发展论坛论文集[C];2013年

相关博士学位论文 前5条

1 魏庆国;基于运动想象的脑—机接口分类算法的研究[D];清华大学;2006年

2 闫静;基于脑电的脑卒中患者运动想象认知过程的研究[D];上海交通大学;2012年

3 方永慧;基于运动想象脑电信号非线性特性分析的脑—机接口研究[D];重庆大学;2014年

4 周鹏;基于运动想象的脑机接口的研究[D];天津大学;2007年

5 孙莉敏;运动想象训练促进脑卒中患者功能恢复的功能磁共振（fMRI）研究[D];复旦大学;2013年

相关硕士学位论文 前10条

1 杨勤;运动想象的脑功能分析[D];电子科技大学;2009年

2 胡永新;运动想象疗法对脑卒中偏瘫患者上肢功能恢复的影响[D];青岛大学;2010年

3 郭旭宏;基于多类运动想象异步脑—机接口系统的研究[D];天津职业技术师范大学;2013年

4 刘华生;基于平行因子模型的运动想象脑电分类[D];中南大学;2011年

5 赵娜娜;近红外光谱技术用于老年人大脑皮质运动想象作用的研究[D];首都体育学院;2011年

6 崔薇;运动想象脑电分析方法研究[D];燕山大学;2013年

7 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

8 吴亚岑;运动想象疗法在脑卒中偏瘫患者下肢功能康复治疗中的效果观察[D];中南大学;2013年

9 孙宝民;运动想象疗法对脑卒中偏瘫患者日常生活能力的影响[D];青岛大学;2011年

10 昌凤玲;多类运动想象脑电模式识别及其在电动轮椅控制上的应用[D];杭州电子科技大学;2014年

，

本文编号：1619188