基于稀疏表示的运动想象脑电信号识别算法研究

发布时间：2018-09-12 16:12

【摘要】：脑机接口（Brain Computer Interface,BCI）是近年来生物医学和信号处理等领域的研究热点之一，它是人与外界交流的一种新兴方法，这种方法可以让大脑发出的信息不经过外周神经和肌肉组织的传输，直接对外部的设备进行控制，根据它的这一特性人们研究出了拥有不同功能的脑机接口系统，例如根据脑信号来控制的轮椅等，方便了人们的生活。而要获得功能性比较好的脑机接口系统，就要提高脑电信号识别率，为了实现这个目标，国内外的研究者进行了大量的实验，也取得了许多成果。本文在这些研究成果的基础上，对脑电信号的采集、预处理、特征提取和分类四个方面进行了深入的研究，并提出了两种可以提高识别率的算法。 首先，考虑到局部信息对信号识别的重要性，利用子模块法对信号稀疏表示进行识别。针对信号中含有的噪声问题，用带通滤波器进行滤波的预处理方法，然后采用共同空间模式对子模块的信号进行滤波处理，提取子模块的能量特征，随后对子模块的能量特征进行稀疏表示，根据稀疏逼近残差来判断子模块所属的类别，分配每一个子模块一张票，，计算所有子模块中每类票数，根据票数的多少判断测试样本的所属类。 其次，为了提高脑电信号的分类正确率，提出一种基于信号投影能量特征的稀疏表示分类算法。首先对信号进行滤波预处理，然后利用滑动窗将信号分成若干段，通过基于投影能量的方法提取每段的信号特征，将各段的特征进行组合，获得该信号的特征，再对信号的特征进行稀疏表示，利用稀疏逼近残差，判断信号类别。 最后，对本文进行了总结，以及对脑电信号的未来进行了展望。
[Abstract]:......
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TN911.7

【参考文献】

相关期刊论文 前10条

1 王登;苗夺谦;王睿智;;一种新的基于小波包分解的EEG特征抽取与识别方法研究[J];电子学报;2013年01期

2 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

3 陈曾;刘光远;;脑电信号在情感识别中的应用[J];计算机工程;2010年09期

4 郑军;;基于稳态视觉诱发电位的脑-机接口研究[J];科学技术与工程;2011年33期

5 杨帮华,颜国正,严荣国;脑机接口中基于小波包最优基的特征抽取[J];上海交通大学学报;2005年11期

6 刘铁军;徐鹏;余茜;尧德中;;运动想象的脑机制及其在运动功能康复中应用的研究进展[J];生物化学与生物物理进展;2011年04期

7 吴小培,詹长安,周荷琴,冯焕清;采用独立分量分析方法消除信号中的工频干扰[J];中国科学技术大学学报;2000年06期

8 吴小培,冯焕清,周荷琴,王涛;基于独立分量分析的混合声音信号分离[J];中国科学技术大学学报;2001年01期

9 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

10 王朴;郭毅;张君梅;赵磊;崔晓晨;廖维靖;岳光辉;;运动想象疗法对脑卒中后患者上肢运动功能康复效果的系统评价[J];中国循证医学杂志;2011年05期

本文编号：2239543