基于深度信念网络的运动想象脑电信号识别

发布时间：2017-09-19 19:30

  本文关键词：基于深度信念网络的运动想象脑电信号识别

  更多相关文章： 深度信念网络 脑电识别 特征学习

【摘要】：目前脑电信号的识别中,特征提取和分类是分开独立完成的.为了简化识别过程和提高识别效果,本文提出一种运用深度信念网络(DBN)进行脑电信号识别的方法.DBN模型由多层RBM(restricted Boltzmann machine)网络和一层BP(backpropagation)网络构成,通过RBM实现对脑电信号的分层特征提取,以确保获得最优特征向量,再由一层BP网络对RBM输出的特征向量进行分类,从而实现脑电信号的识别.本文使用Emotiv脑电采集仪采集的运动想象脑电数据进行实验.实验表明,深度信念网络对粗糙的脑电数据具有强大的特征学习能力,对运动想象脑电信号的识别率优于支持向量机(SVM),简化了脑电识别流程,提高了识别率,为脑—机接口中脑电信号的识别提供了一种新颖的思路.
【作者单位】： 重庆邮电大学工业物联网与网络化控制教育部重点实验室;
【关键词】： 深度信念网络 脑电识别 特征学习
【基金】：国家自然科学基金资助项目(60905066) 重庆市自然科学基金资助项目(cstc2012jjA1642)
【分类号】：TN911.7
【正文快照】： 1引言脑控系统是一种与人的意念和思维相关的新型控制系统,它以人脑为中心,以脑电信号为基础,通过脑—机接口(brain-computer interface,BCI)来实现控制[1].脑控系统在残疾人的生活辅助、肢体损伤者的康复训练、游戏娱乐、智能家居和军事等领域都具有很大的研究和应用价值[2-6

【相似文献】

中国期刊全文数据库 前10条

1 董盟盟;仲轶;徐洁;戴体俊;刘功俭;;基于小波分析的脑电信号处理[J];电子设计工程;2012年24期

2 李志瑞;张文杰;;通用脑电信号处理——微机系统初探[J];河北师范大学学报;1988年Z1期

3 ;小样本脑电信号(EEG)处理系统[J];北京理工大学学报;1989年02期

4 陈永华;朱林剑;包海涛;孙守林;;一种新型脑电信号的采集方法和应用[J];传感器与微系统;2006年03期

5 黄翠玲;陈新;;脑电信号采集与管理系统的设计与实现[J];计算机与数字工程;2008年09期

6 张雪燕;冯姚震;马敏飞;杨晟刚;;脑电信号的分析和监测[J];电子技术应用;2011年01期

7 ;《小样本脑电信号处理系统》通过部级鉴定[J];北京工业学院学报;1988年03期

8 梅村，何育芬;脑电信号的自适应分段和分类存档[J];北京邮电大学学报;1994年01期

9 梅村，，张玉艳，娄瑜;脑电信号的压缩与恢复[J];北京邮电大学学报;1995年04期

10 沈民奋,黎展程,孙丽莎;小波包熵在脑电信号分析中的应用[J];数据采集与处理;2005年01期

中国重要会议论文全文数据库 前10条

1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

2 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年

3 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

4 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年

6 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

7 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

8 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[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

9 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

10 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年

中国重要报纸全文数据库 前1条

1 张文清　记者 王春;意念控制车速及左右转弯前行[N];科技日报;2008年

中国博士学位论文全文数据库 前10条

1 彭宏;普适化脑电信息感知关键问题的研究[D];兰州大学;2015年

2 吴玉鹏;AR谱在皮层痫样脑电信号分析应用[D];河北医科大学;2015年

3 吴畏;基于统计建模的多导联脑电信号时空建模方法研究[D];清华大学;2012年

4 孙宇舸;脑—机接口系统中脑电信号处理方法的研究[D];东北大学;2012年

5 周群;脑电信号同步：方法及应用研究[D];电子科技大学;2009年

6 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年

7 李春胜;脑电信号混沌特性的研究与应用[D];东北大学;2011年

8 欧阳高翔;癫痫脑电信号的非线性特征识别与分析[D];燕山大学;2010年

9 缪晓波;基于脑电信号的认知动力学系统研究——线性/非线性方法及动态时—频—空分析[D];重庆大学;2004年

10 张美云;阿尔茨海默病脑电信号多尺度时空定量特征研究[D];天津医科大学;2012年

中国硕士学位论文全文数据库 前10条

1 于洪;基于脑电信号的警觉度估计[D];上海交通大学;2007年

2 蒋洁;基于高性能计算的脑电信号分析[D];燕山大学;2010年

3 张志琴;脑电信号的复杂性分析[D];中南大学;2009年

4 许凤娟;脑电信号采集与分析系统的设计[D];长春理工大学;2011年

5 曹铭;意识障碍患者脑电信号的非线性动力学评价分析[D];杭州电子科技大学;2012年

6 薛吉星;多通道脑电信号采集与处理系统研究[D];华南理工大学;2015年

7 刘静;基于加权排序熵的多通道脑电信号同步算法研究[D];燕山大学;2015年

8 陈泽涛;基于脑电信号分析的AD早期评估系统的设计与实现[D];燕山大学;2015年

9 王欢;基于非平稳时间序列分析方法的脑电信号模式识别[D];苏州大学;2015年

10 王琼颖;脑电信号的非线性动力学分析及其在睡眠分期中的应用[D];哈尔滨工业大学;2015年

本文编号：883503