四类运动想象脑电信号特征分析与提取

发布时间：2017-05-12 15:20

  本文关键词：四类运动想象脑电信号特征分析与提取，由笔耕文化传播整理发布。

【摘要】：脑-机接口（Brain Computer Interface，BCI）是在大脑和计算机或电子设备之间建立的一种不依赖于常规大脑输出通道(外围神经和肌肉组织)的直接信息交流和控制通道，，它能为瘫痪病人，特别是那些思维正常但是丧失了基本肢体运动功能的患者提供一种与外界进行交流新途径。针对运动想象信号的同步与去同步特征分析与提取，论文采用08年脑-机接口大赛数据，研究了脑电信号的预处理、特征提取和分类，并设计了基于四类运动想象的实时BCI系统。主要研究工作如下： （1）针对脑电信号中掺杂着多类伪迹信号（眼电、心电干扰等）的现象，本文设计了基于独立成分分析的滤波器，成功的滤除了眼电干扰，提高了脑电信号的信噪比，增强了脑电信号的频域特征。 （2）对传统的频域分析法、时频分析法（短时傅里叶变换和小波变换）、共空域模式法（Common Spatial Pattern，CSP）三大类特征提取方法的研究结果表明：共空域模式法对多通道、多类别脑电信号的特征提取效果优于另两类方法。在此基础上将具有良好时频特性的小波变换与CSP相结合，提出了一种频域CSP方法——Wavelet-CSP，结果表明其分类结果明显好于CSP。 （3）结合传统的OVO-SVM(One-versus-one Support Vector Machine)、OVR-SVM(One-versus-the-rest Support Vector Machine)、DAG-SVM(DAG Support VectorMachine)三种多分类器结构中各自的优缺点，本文设计了全新的四分类器，所用的分类器数目更少、出现错分的概率更小，分类结果与传统的三类方法相比较表明，所设计的四分类器分类结果更好。 （4）基于对运动想象脑电信号特征提取与分类的研究，本课题在LabVIEW平台上设计了实时的BCI实验系统。脑电信号的采集系统由加拿大Thought Technology公司所研发，基于该设备能够对受试者头皮运动想象区域的10个通道数据进行实时采集与存储。并且该系统能对脑电信号实时的特征提取和分类。
【关键词】：脑-机接口系统 运动想象同步与去同步 独立成分分析 共空域模式算法 支持向量机
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R49;TN911.6
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-22
• 1.1 研究背景和研究意义11-12
• 1.2 脑-机接口系统简介12-17
• 1.2.1 脑-机接口的组成12-13
• 1.2.2 脑-机接口系统中脑电信号概述13-15
• 1.2.3 脑-机接口的分类15-17
• 1.3 基于运动想象脑-机接口系统的研究现状17-19
• 1.3.1 脑电信号的特征提取17-18
• 1.3.2 脑电信号的分类方法18-19
• 1.4 脑-机接口系统研究现状与存在的问题19-20
• 1.5 主要内容20-22
• 第2章 脑电信号的采集与预处理22-34
• 2.1 脑电信号采集及脑电信号数据库22-24
• 2.1.1 电极的摆放系统22-23
• 2.1.2 脑-机接口数据库及其采集过程23-24
• 2.2 脑电信号的空域滤波24-27
• 2.3 独立成分分析法滤波27-33
• 2.3.1 独立成分分析的基本原理27-29
• 2.3.2 信号的白化29
• 2.3.3 FastICA 算法的基本原理29-30
• 2.3.4 脑电信号中眼电的去除30-33
• 2.4 本章小结33-34
• 第3章 脑电信号的特征分析与特征提取34-52
• 3.1 基于四分类运动想象的脑电信号的特征分析34-35
• 3.1.1 事件相关同步/去同步现象34
• 3.1.2 同步/去同步现象的量化34-35
• 3.1.3 四分类运动想象脑电信号的同步/去同步现象35
• 3.2 基于运动想象的脑电信号的特征提取35-41
• 3.2.1 频域分析法36
• 3.2.2 时频分析36-38
• 3.2.3 共空域模式算法基本原理38-41
• 3.2.4 改进的共空域算法分析41
• 3.3 算法实现与结果分析41-51
• 3.3.1 频域分析法41-43
• 3.3.2 STFT 分析法43-45
• 3.3.3 小波变换分析法45-46
• 3.3.4 CSP 算法及其改进算法分析46-51
• 3.4 本章小结51-52
• 第4章 脑电信号的特征分类52-62
• 4.1 支持向量机的基本原理52-56
• 4.1.1 线性支持向量机52-55
• 4.1.2 非线性支持向量机55-56
• 4.2 四类运动想象脑电信号分类器的设计56-61
• 4.2.1 支持向量机程序设计56-58
• 4.2.2 四分类器结构的设计58-61
• 4.3 本章小结61-62
• 第5章 基于 LabVIEW 的脑-机接口实时系统的设计62-70
• 5.1 实验系统的设计62-63
• 5.1.1 系统框架图62
• 5.1.2 实验设计62-63
• 5.2 实验平台的搭建63-68
• 5.2.1 脑电数据采集64-67
• 5.2.2 实时系统的特征提取和分类67-68
• 5.2.3 智能小车的控制68
• 5.3 实验结果及分析68-69
• 5.4 本章小结69-70
• 结论70-72
• 参考文献72-76
• 攻读学位期间发表论文与研究成果清单76-77
• 致谢77

【参考文献】

中国期刊全文数据库 前1条

1 杨旭,纪玉波,田雪;基于遗传算法的SVM参数选取[J];辽宁石油化工大学学报;2004年01期

中国博士学位论文全文数据库 前1条

1 吴婷;自发脑电脑机接口模式识别关键技术与实验研究[D];上海交通大学;2008年

  本文关键词：四类运动想象脑电信号特征分析与提取，由笔耕文化传播整理发布。

本文编号：360152