运动想象脑机交互中脑电预处理算法研究

发布时间：2020-11-15 23:10

　　 脑机接口(Brain-Computer Interaction,BCI)是一种新型的人机交互方式,其中,基于运动想象脑电的BCI是一种最常用的BCI系统,目前,BCI系统的性能还达不到产品化和实用化的要求,尤其是其中的脑电处理算法还需要进一步的研究和改进。脑电极易受到各种生理、非生理伪迹的干扰,传统或单一的预处理方法已满足不了BCI系统对预处理性能的要求。本文重点对运动想象脑电的预处理方法展开研究,提出了一种新的脑电预处理算法,通过模拟脑电数据定量评价了该算法的预处理性能,并对离线运动想象脑电数据进行了脑电微状态研究,然后对该预处理算法进行了在线验证和应用,在此基础上初步搭建了一个高效的运动想象脑电预处理平台。主要研究内容为:(1)提出了一种离散小波变换(DWT)、快速独立成分分析(Fastica)结合聚类分析的运动想象脑电预处理方法(DWICA+聚类分析),首先通过DWT将少通道脑电转换为多通道,然后直接将该多通道信号作为fastica的输入,计算分解后各独立分量的时域、频谱和序间相关性特征,引入层次聚类算法对各个独立分量进行聚类,自动识别并剔除伪迹分量,最后得到干净的EEG信号。(2)通过构造模拟脑电信号来测试EEMD-ICA算法、DWT-ICA以及DWICA结合聚类分析的预处理算法,分别计算预处理的时间消耗以及脑电的信噪比、均方根误差来定量评价这三种方法的性能。最后对离线运动想象脑电数据进行微状态研究,为微状态应用于运动想象脑电的特征提取打下了一定的基础。(3)结合特征提取和分类方法对DWICA结合聚类分析的预处理算法进行在线验证,实验过程中提取被试左右手运动想象脑电的瞬时能量特征,分别利用参数寻优SVM、SVM以及LDA分类器进行模式分类,6名被试的实际控制结果证明了本文所提出的预处理算法在线应用时的有效性以及参数寻优SVM分类器可以进一步提高分类准确率。(4)结合传统的脑电预处理方法和上述研究内容,从提高系统搭建速度和算法可移植性的角度出发,初步设计了运动想象脑电的预处理MFC平台,为未来基于运动想象脑电的BCI系统产品化和算法移植奠定了一定的基础。
【学位单位】：昆明理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：R318;TN911.7
【部分图文】：

学习、思考状态的最佳反映；频率随年龄的变化而变化快波5~20产生于感觉运动皮层（主要是额区、颞区和中央区），C3 和C4 之间，呈对称分布；振幅要低于 Alpha 波，在剧烈运动时会减弱警觉、<2 体感皮层体感加象、声期记忆<50产生于感觉运动皮层，类似于Alpha 波无实际应的运作（观

抗以减小初采样信号的失真、高共模抑制比来抑制工频以及其它无关生干扰、低噪声和低漂移的放大处理以对外界噪声起到较好的抑制作用，放大器内置的模/数（A/D）转换模块将模拟信号转换为数字信号。（3）脑电帽：脑电帽的类型根据其嵌入的电极数目和电极材料不同而，使用者往往根据不同的实验目的和要求来选择不同类型的脑电帽，3 64 通道的脑电帽是最常用的，单导联、16 导联抑或多则 128 导联甚至的也有研究者使用，常用的电极材料为 Ag/AgCl。脑电帽上电极位置的都遵循国际公认的 10-20 系统标准。.1 EEG 电极的放置方法理论上电极可以随意安放在人体头皮表面进行信号采集，但是考虑到临科学研究的统一性，早在 1958 年，Jasper 按照大脑在位置上的功能划国际公认的 10-20 导联系统[35]，目前，国内外脑电帽制造厂商大多以该的电极放置方法为标准定制脑电帽，标准 10-20 导联系统中各个脑电采人体头皮上应该放置的位置如图 2.2 所示：

（a）单极导联示意图 （b）双极导联示意图图 2.3 电极导联连接方式示意图单级导联方式如图 2.3（a）所示，它将两侧乳突作为参考电极，把活动电极放置在头皮表面适当位置来采集脑电信号的方法，其中，左半脑头皮表面的活动电极和左耳乳突的参考电极相连接，右半脑头皮表面的活动电极和右耳乳突的参考电极相连接。这种导联方式的优点是记录到的信号为该活动电极下电位变化的绝对值，幅值相对较高，也比较稳定，异常波表现更加明显，有助于定位病灶。这种方式的劣势是所选取的参考电极（鼻尖、耳垂或乳突位置）并非绝对的零电位点，当振幅较大的异常波产生于参考电极附近时就有可能记录下这一异常信号（通常把这种现象叫做无关电极活动化），而且无论参考电极怎样选择都不能避免心电伪迹的干扰。双极导联方式如图 2.3（b）所示，这种方式不需要参考电极，直接记录两个活动电极所在位置脑电活动之间的电位差，它能较好的抵消参考电极活动化导致的误差，对局域性异常波的记录具有较好的效果；但由于采集到的脑电信号幅值
【参考文献】

相关期刊论文 前10条

1 杨帮华;章云元;李华荣;张桃;段凯文;;基于二阶盲辨识结合小波包的脑电信号预处理[J];上海交通大学学报;2015年12期

2 孙会文;伏云发;熊馨;杨俊;刘传伟;余正涛;;基于HHT运动想象脑电模式识别研究[J];自动化学报;2015年09期

3 杨帮华;章云元;何亮飞;李华荣;王倩;;脑机接口中基于ICA-RLS的EOG伪迹自动去除[J];仪器仪表学报;2015年03期

4 李明爱;梅意城;孙炎珺;杨金福;;眼电伪迹自动去除方法的研究与分析[J];仪器仪表学报;2014年11期

5 赵海滨;颜世玉;于清文;王宏;;采用Fisher线性判别分析进行MEG信号的分类[J];东北大学学报(自然科学版);2013年12期

6 黄书华;卓东风;郭一娜;;一种自适应单入多出盲源分离方法[J];计算机应用与软件;2013年08期

7 李明爱;崔燕;杨金福;;脑电信号中眼电伪迹自动去除方法的研究[J];电子学报;2013年06期

8 陈悦;张少白;;LM算法在神经网络脑电信号分类中的研究[J];计算机技术与发展;2013年02期

9 宋广东;王昌;王金玉;路璐;魏玉宾;;基于DLL技术和COM组件技术实现LabVIEW和MATLAB混合编程[J];计算机应用与软件;2013年01期

10 孙吉贵;刘杰;赵连宇;;聚类算法研究[J];软件学报;2008年01期

相关硕士学位论文 前4条

1 郭衍龙;基于运动想象与稳态视觉诱发电位的混合脑机接口系统研究[D];昆明理工大学;2017年

2 左超华;便携式单导脑电信号采集与处理研究[D];西南交通大学;2016年

3 贡平;运动想象脑电信号特征提取研究[D];重庆大学;2014年

4 段明秀;层次聚类算法的研究及应用[D];中南大学;2009年

本文编号：2885323