进化算法在运动想象脑机接口导联选择中应用研究

发布时间：2017-11-03 08:17

  本文关键词：进化算法在运动想象脑机接口导联选择中应用研究

  更多相关文章： 脑机接口 共空域模式 导联选择 回溯搜索优化算法 二进制粒子群优化 支持向量机 Fisher线性判别分析

【摘要】：脑机接口(Brain computer interface,BCI)是一种人与机器(如电脑)直接交互,而不依靠身体的神经、肌肉等,直接提取大脑信号传送到外部世界,控制外部设备的通讯系统。经过40年的发展,脑机接口已经开始从实验室的理论研究逐步运用于现实的生活领域。在基于运动想象的脑机接口(BCI)系统中,共空域模式(Common spatial pattern,CSP)算法是一种常用的空域滤波及脑电信号特征提取算法。虽然CSP在一定程度上能提取到脑电信号,但在源信号的采集和脑电信号的记录中CSP算法采用了严格的线性模式假设关系,使得CSP算法过分受限于受试者的原始记录参数,如信号时间段、滤波频带、电极通道数等,因而不能准确有效地描述大脑特征信号。为了匹配和适应受试者原始记录参数来提取脑电的特征信号,以达到改善CSP算法的性能,本文使用两种优化算法对受试者的电极通道数进行优化选择。一种是回溯搜索算法(Backtracking search optimization algorithm,BSA),另一种是二进制粒子群优化(Binary particle swarm optimization,BPSO)。另外,本文还介绍了两种常用的分类算法:支持向量机(Support vector machine,SVM),Fisher线性判别分析(Fisher line discriminant analysis,FLDA)。在导联的优化中,选择的导联数目由BSA和BPSO的性质决定。使用第三、四届BCI竞赛数据集进行了导联选择实验。实验结果表明:与全部导联使用相比,导联的数目大幅度减少,优化导联后取得分类正确率略有提高。
【关键词】：脑机接口 共空域模式 导联选择 回溯搜索优化算法 二进制粒子群优化 支持向量机 Fisher线性判别分析
【学位授予单位】：南昌大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7;R49
【目录】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 绪论7-17
• 1.1 脑机接口的背景现状7-8
• 1.2 脑机接口的结构原理及分类8-13
• 1.2.1 脑机接口基本结构及原理8-11
• 1.2.2 脑机接口的分类及评价准则11-13
• 1.3 脑机接口研究应用及进展13-15
• 1.4 本文的主要内容15-17
• 第2章 脑电信号特点及实验数据采集17-27
• 2.1 脑电信号产生17-19
• 2.2 脑电信号分类19-20
• 2.3 ERD/ERS现象20-22
• 2.4 实验数据采集22-27
• 2.4.1 BCI竞赛数据集一23-24
• 2.4.2 BCI竞赛数据集二24-27
• 第3章 脑电信号EEG特征提取及特征分类27-36
• 3.1 共空域模式(CSP)27-28
• 3.2 两类CSP算法的改进28-29
• 3.3 分类器设计29-34
• 3.3.1 Fisher线性判别分析29-32
• 3.3.2 支持向量机32-34
• 3.4 交叉验证34-36
• 第4章 进化算法在BCI导联选择中的应用36-51
• 4.1 进化算法的原理36-41
• 4.1.1 回溯搜索优化算法(BSA)的基本原理36-38
• 4.1.2 二进制粒子群算法(BPSO)的基本原理38-41
• 4.2 导联优化实验设计41-44
• 4.2.1 基于BSA-CSP的导联选择41-42
• 4.2.2 基于BPSO-CSP的导联选择42-44
• 4.2.3 10x5 倍交叉验证策略44
• 4.3 实验数据的分类结果及对比分析44-51
• 4.3.1 两种算法用于BCI竞赛数据集一44-47
• 4.3.2 两种算法用于BCI竞赛数据集二47-51
• 第5章 总结与展望51-53
• 5.1 全文总结51
• 5.2 未来展望51-53
• 致谢53-54
• 参考文献54-58
• 攻读学位期间的研究成果58

【参考文献】

中国期刊全文数据库 前9条

1 谢佩;吴小俊;;分块多线性主成分分析及其在人脸识别中的应用研究[J];计算机科学;2015年03期

2 王莉娜;姜相夺;芦玉华;;基于时变自回归模型的非平稳数据预测方法研究[J];微型电脑应用;2014年08期

3 李勃;;脑机接口技术研究综述[J];数字通信;2013年04期

4 杨俊美;余华;韦岗;;独立分量分析及其在信号处理中的应用[J];华南理工大学学报(自然科学版);2012年11期

5 李翔;高小榕;高上凯;;一种基于两种不同范式的混合型脑-机接口系统[J];中国生物医学工程学报;2012年03期

6 毛健;赵红东;姚婧婧;;人工神经网络的发展及应用[J];电子设计工程;2011年24期

7 尧德中;刘铁军;雷旭;杨平;徐鹏;张杨松;;基于脑电的脑-机接口:关键技术和应用前景[J];电子科技大学学报;2009年05期

8 张胜;王蔚;;基于支持向量机的BCI导联选择算法[J];中国生物医学工程学报;2009年04期

9 ;Classification using wavelet packet decomposition and support vector machine for digital modulations[J];Journal of Systems Engineering and Electronics;2008年05期

中国博士学位论文全文数据库 前3条

1 余天佑;多模态与多自由度脑机接口研究[D];华南理工大学;2013年

2 周群;脑电信号同步：方法及应用研究[D];电子科技大学;2009年

3 赵启斌;EEG时空特征分析及其在BCI中的应用[D];上海交通大学;2008年

中国硕士学位论文全文数据库 前4条

1 魏中海;进化优化算法在运动想象脑机接口中的应用研究[D];南昌大学;2015年

2 崔燕;基于运动想象脑电的手臂运动功能康复研究[D];北京工业大学;2013年

3 王艳梅;多任务脑—机接口导联选择与分类算法研究[D];南昌大学;2012年

4 陈魁;CSP算法在多任务下的扩展及在脑—机接口中的应用[D];南昌大学;2010年

，

本文编号：1135369