进化优化算法在运动想象脑机接口中的应用研究

发布时间：2017-04-19 08:47

  本文关键词：进化优化算法在运动想象脑机接口中的应用研究，由笔耕文化传播整理发布。

【摘要】：在基于运动想象的脑-机接口(BCI)中,共空域模式算法(CSP)能够有效地提取脑电信号中可辨识的模式,因而得到广泛使用。然而,CSP算法的性能严重依赖于受试者特定的参数,包括用于分类的脑电信号时间段、频带和电极通道数。使用受试者特定的参数来提取脑电特征可以显著地改善CSP的性能并提高BCI的分类正确率。本文使用二进制粒子群优化(BPSO)和回溯搜索优化(BSA)这两种进化优化算法,对受试者特定的参数进行单独或联合选择,以便改进BCI系统的分类性能。为了解决频带优化问题,本文提出了两种结合CSP算法的进化优化算法。在第一种算法中,宽带(8-30Hz)脑电EEG信号被划分为10个子带(每个子带宽4Hz,相互交叠2Hz),BPSO被用于挑选最优的子带(集合),在选择的子带上使用CSP算法进行空域滤波和特征提取;在第二种算法中,EEG信号的带宽可在8-30Hz频率范围内变化,频带的起始频率与结束频率由BSA算法进行选择,在选择的频带上使用CSP算法进行空域滤波和特征提取。使用这两种方法对两个数据集进行分类实验,结果表明相对于传统的宽带(8-30Hz)CSP的方法,这两种基于频带优化的CSP方法都取得了一定的效果。通过比较两种新的算法,BSA表现更佳,且收敛速度快。在对频带进行优化的基础上,本文还提出了一种使用BSA对频带和时间段进行联合优化的算法。本算法中EEG信号的滤波带宽不固定,起始频率与结束频率可在8-30Hz范围内变化,而时间段的宽度固定为2s,数据的总时长为4s,故而起始点可在0-2s之间变化。时间段起始点、频带起始点以及频带结束点这三个参数由BSA算法进行联合优化。在选择的频带和时间段上,使用CSP算法进行空域滤波和特征提取。与只进行频带优化相比,联合时-频优化取得了更高的分类正确率。针对导联选择对EEG分类的重要性,本文还提出了一种使用BSA对BCI通道进行选择的算法。在对导联的优化中,以分类误差率为目标函数,选择的导联数目由BSA算法确定。使用两个数据集进行了导联选择实验。实验结果表明,与全部导联相比,选择的导联数目大幅度减少;且与使用全部导联相比,使用选择的导联取得的分类正确率有了较大的提高。
【关键词】：脑-机接口 共空域模式 频带优化选择 时-频联合优化选择 导联选择 二进制粒子群优化 回溯搜索优化算法
【学位授予单位】：南昌大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R741;TN911.7
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 第1章 绪论9-20
• 1.1 脑机接口的研究背景9-10
• 1.2 脑机接.的研究意义及发展历程10-11
• 1.3 脑机接.概述11-15
• 1.3.1 脑机接.基本原理及定义11-12
• 1.3.2 脑机接.的基本结构12-14
• 1.3.3 脑机接.的类型14
• 1.3.4 脑机接.的性能评价14-15
• 1.4 脑机接.研究现状及其应用15-19
• 1.4.1 国内外脑机接.的研究现状15-17
• 1.4.2 脑机接.的应用17-19
• 1.5 本文的主要内容19-20
• 第2章 头皮脑电EEG及其研究20-28
• 2.1 EEG的发现20-21
• 2.2 EEG的产生及其记录方法21-22
• 2.3 EEG的类型22-24
• 2.3.1 自发EEG22-24
• 2.3.2 诱发EEG24
• 2.4 EEG的生理特点24-25
• 2.5 事件相关去同步/同步(ERD/ERS)25-28
• 第3章 运动想象EEG特征提取及分类28-37
• 3.1 共空域模式(CSP)算法28-30
• 3.2 CSP算法的局限及改进措施30-32
• 3.2.1 CSP算法的多类扩展30-31
• 3.2.2 CSP算法的其他改进31-32
• 3.3 特征的分类32-35
• 3.3.1 Fisher线性判别32-35
• 3.3.2 交叉验证策略35
• 3.4 EEG的频域分析35-37
• 第4章 进化优化算法在BCI中的应用37-69
• 4.1 进化优化算法37-39
• 4.1.1 二进制粒子群算法37-38
• 4.1.2 回溯搜索优化算法38-39
• 4.2 实验数据及预处理39-42
• 4.2.1 BCI competition III dataset IVa(五个人数据集)39-40
• 4.2.2 BCI competition IV dataset IIa (九个人数据集)40-42
• 4.3 频带优化实验设计42-46
• 4.3.1 基于BPSO的频带优化42-44
• 4.3.2 基于BSA的频带优化44-46
• 4.4 五个人数据10×5 交叉验证分类结果46-51
• 4.4.1 BPSO-CSP实验结果47-48
• 4.4.2 BSA方法实验结果48-49
• 4.4.3 实验结果分析49-51
• 4.5 九个人数据10×5 交叉验证分类结果51-56
• 4.5.1 BPSO-CSP实验结果52-53
• 4.5.2 BSA方法实验结果53-54
• 4.5.3 实验结果分析54-56
• 4.6 两种进化优化算法比较56-58
• 4.6.1 收敛性比较56
• 4.6.2 收敛速度比较56-57
• 4.6.3 与其他算法比较57-58
• 4.7 基于BSA的时频联合优化58-64
• 4.7.1 实验设计59-60
• 4.7.2 参数设定60-61
• 4.7.3 BSA联合时-频优化的结果及分析61-63
• 4.7.4 组与组之间的转换63-64
• 4.8 基于BSA的BCI导联选择64-69
• 4.8.1 算法设计及流程64-65
• 4.8.2 九个人数据实验结果及分析65-67
• 4.8.3 五个人数据实验结果及分析67-69
• 第5章 总结与展望69-71
• 5.1 论文工作总结69-70
• 5.2 未来工作展望70-71
• 致谢71-72
• 参考文献72-76
• 攻读学位期间的研究成果76

【参考文献】

中国期刊全文数据库 前3条

1 沈敏;;脑-机接口技术综述[J];重庆邮电大学学报(自然科学版);2007年S1期

2 王攀;沈继忠;施锦河;;想象左右手运动的脑电特征提取[J];传感技术学报;2010年09期

3 杨立才,李佰敏,李光林,贾磊;脑-机接口技术综述[J];电子学报;2005年07期

  本文关键词：进化优化算法在运动想象脑机接口中的应用研究，由笔耕文化传播整理发布。

，

本文编号：315844