基于运动想象的脑电信号识别算法研究

发布时间：2017-04-01 08:03

  本文关键词：基于运动想象的脑电信号识别算法研究，，由笔耕文化传播整理发布。

【摘要】：作为人体的控制中枢,大脑担负着多项重要职责,了解大脑构造、认识其工作原理,有助于推进脑科学、康复工程与智能信息处理等领域的发展。脑机接口技术(BCI)是脑科学研究领域发展较为成熟的技术之一,该技术可以借助大脑进行不同思维活动时产生的信号,实现大脑与外部环境的直接交流。基于运动想象产生的脑电(EEG)数据,是目前BCI领域内应用范围较广的一种大脑信号形式,具有良好的实践效果。EEG数据中蕴含了大量脑内活动的状态信息,对其进行特征提取与识别,能够发现不同运动想象模式下的信号特征,识别大脑状态,从而实现大脑与外部环境的直接交流。本文在对BCI相关领域进行调查研究后,建立完整的EEG数据预处理、特征提取与特征识别等处理流程,完成运动想象类别的识别。针对EEG数据信噪比低、数据维度高这一问题,在噪声数据去除这一预处理过程中,对基于不同原理的预处理算法加以组合,依据特征提取效果和识别准确率进行性能对比,确定了最佳的EEG数据处理流程;研究了脑电信号中包含的运动想象相关有效成分性质,分析比较预处理方法中不同参数对于有效成分提取的影响。实验结果表明,在组合方案中,最佳处理预处理方案为分频段滤波与独立成分分析相结合,其最高识别准确率为87.87%;同时实验发现,运动想象EEG数据最佳处理频段为12-16 Hz,利用该频段数据可以获取最高的识别准确率,运动想象EEG数据中的最佳独立成分数目为10。本文提出一种基于独立成分分析与频繁项集的EEG数据采集区域选择算法,用于解决EEG数据高维度特性造成的数据采集过程复杂、处理成本高的问题。该算法利用独立成分分析,首先确定EEG数据中各个独立成分所影响数据的采集区域,然后以所影响采集区域中包含的频繁项集为基础,选取EEG数据有效成分在头皮表面的主要影响区域,提高数据采集效率。实验表明,利用该算法可以在保证,在不降低运动想象类别识别准确率的前提下,可以将EEG数据采集电极的数目由118个减少到32个,达到降低数据维度,提高数据采集效率的目的。同时实验发现,不同频段EEG数据对应的有效采集区域存在差别,并不完全相同。
【关键词】：运动想象 EEG 脑机接口 采集区域选择 独立成分分析 频繁项集
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R318;TN911.7
【目录】：

• 摘要4-5
• Abstract5-11
• 第一章 绪论11-20
• 1.1 研究背景及意义11-12
• 1.1.1 脑科学概述11
• 1.1.2 研究意义11-12
• 1.2 脑机接口技术国内外发展概述12-15
• 1.2.1 脑机接口概述12-14
• 1.2.2 脑机接口研究现状14-15
• 1.3 脑电信号概述15-18
• 1.3.1 脑电信号的产生与特点15-16
• 1.3.2 脑电信号主要成分16-17
• 1.3.3 脑电信号常用分析方法17-18
• 1.4 本文研究内容与组织架构18-20
• 第二章 脑电信号识别系统研究与实现20-54
• 2.1 脑电信号识别流程20
• 2.2 数据预处理20-32
• 2.2.1 分频段滤波21
• 2.2.2 独立成分分析21-26
• 2.2.3 主成分分析26-31
• 2.2.4 时间序列分解31-32
• 2.3 基于共空间模式算法的脑电信号特征提取32-34
• 2.3.1 相关概念32
• 2.3.2 共空间模式算法描述32-34
• 2.4 基于支持向量机的脑电信号特征分类34-39
• 2.4.1 支持向量机概述34-35
• 2.4.2 支持向量机算法描述35-39
• 2.4.3 支持向量机在运动想象脑电信号识别中的应用39
• 2.5 脑电信号识别系统实现与实验分析39-50
• 2.5.1 运动想象脑电信号数据描述39-40
• 2.5.2 实验方案40-41
• 2.5.3 分频段滤波与ICA处理数据后的识别效果验证41-44
• 2.5.4 分频段滤波与PCA处理数据后的识别效果验证44-46
• 2.5.5 时间序列分解与ICA处理数据后的识别效果验证46-47
• 2.5.6 时间序列分解与PCA处理数据后的识别效果验证47-48
• 2.5.7 ICA处理数据后的识别效果验证48-49
• 2.5.8 PCA处理数据后的识别效果验证49-50
• 2.6 脑电信号识别方法分析与讨论50-52
• 2.7 本章小结52-54
• 第三章 基于EEG数据采集区域选择的识别算法54-70
• 3.1 背景描述54-55
• 3.1.1 国际 10-20标准采集电极位置54
• 3.1.2 问题的提出54-55
• 3.2 STBAR频繁项集挖掘算法55-57
• 3.2.1 相关概念说明55-56
• 3.2.2 STBAR算法描述56-57
• 3.3 基于EEG数据采集区域选择的识别算法57-60
• 3.3.1 独立成分影响区域中的频繁项集获取57-59
• 3.3.2 有效数据采集区域选择59-60
• 3.4 实验60-67
• 3.4.1 运动想象脑电信号数据描述60
• 3.4.2 有效性验证60-65
• 3.4.3 通用性验证65-67
• 3.5 分析与讨论67-68
• 3.6 本章小结68-70
• 第四章 总结与展望70-72
• 4.1 工作总结70-71
• 4.2 研究展望71-72
• 参考文献72-76
• 致谢76-77
• 在学期间的研究成果及发表的学术论文77

【相似文献】

中国期刊全文数据库 前3条

1 阳宏;夏斌;谢宏;王聪;肖殿云;;一种用于实现多命令输出的运动想象分组策略[J];广西师范大学学报(自然科学版);2011年03期

2 刘燕;穆振东;;运动想象机制研究[J];科技广场;2011年01期

3 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 杨远滨;王芗斌;;浅谈中医意念与运动想象的比较[A];中国医师协会第二届康复医学论坛、中国康复医学会第四届青年学术会议、北京康复医学会第三届会员代表大会论文集[C];2005年

2 贾子善;;运动想像的理论与应用[A];2008年浙江省物理医学与康复学术年会暨中枢神经功能损伤康复新进展学习班论文汇编[C];2008年

3 张爽;周鹏;熊屹;王明时;;运动想象脑电模式的动态分类[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

4 诸强;谢琳;;基于小波分析的运动想象脑电模式特征提取与分类[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

5 孔万增;张艳娜;胡三清;戴国骏;张建海;魏大名;;基于运动想象的中风患者肢体康复实时控制系统[A];第一届全国神经动力学学术会议程序手册 & 论文摘要集[C];2012年

6 徐海鹰;;运动想象疗法结合运动再学习方案在脑卒中早期患者上肢功能的应用[A];中国康复医学会运动疗法分会第十一届全国康复学术大会学术会议论文摘要汇编[C];2011年

7 李泽云;王昭君;林金生;卢攀;;运动想象联合强制性运动疗法治疗脑卒中偏瘫60例临床观察[A];中国康复医学会脑血管病专业委员会换届暨第十五次全国脑血管病康复学术年会、湖南省康复医学会神经康复专业委员会2012学术年会论文集[C];2012年

8 王艳;唐强;白震民;李娟;;头穴丛刺与被动运动和运动想象结合对早期脑卒中患者运动功能的影响[A];中国康复医学会第五届全国康复治疗学术会议论文集[C];2006年

9 刘佳;邓景贵;陶希;宋红;;运动想象疗法对老年卒中偏瘫患者肢体功能恢复的影响研究[A];中国康复医学会脑血管病专业委员会换届暨第十五次全国脑血管病康复学术年会、湖南省康复医学会神经康复专业委员会2012学术年会论文集[C];2012年

10 吴华;顾旭东;时美芳;吴彩虹;朱美红;金妹;杨京辉;;虚拟现实技术结合运动想象疗法对脑卒中患者上肢功能恢复的影响[A];2013浙江省物理医学与康复学学术年会暨第八届浙江省康复医学发展论坛论文集[C];2013年

中国博士学位论文全文数据库 前9条

1 张锐;运动想象脑—机接口的神经机制与识别算法研究[D];电子科技大学;2015年

2 王莉;应用脑功能成像技术研究脑卒中运动想象疗法神经康复机制[D];重庆大学;2015年

3 单海军;基于运动想象的脑机接口通道选择算法研究[D];浙江大学;2015年

4 魏庆国;基于运动想象的脑—机接口分类算法的研究[D];清华大学;2006年

5 徐舫舟;基于运动想象的脑机接口相关算法研究[D];山东大学;2014年

6 闫静;基于脑电的脑卒中患者运动想象认知过程的研究[D];上海交通大学;2012年

7 方永慧;基于运动想象脑电信号非线性特性分析的脑—机接口研究[D];重庆大学;2014年

8 周鹏;基于运动想象的脑机接口的研究[D];天津大学;2007年

9 孙莉敏;运动想象训练促进脑卒中患者功能恢复的功能磁共振（fMRI）研究[D];复旦大学;2013年

中国硕士学位论文全文数据库 前10条

1 牛小辰;康复运动中的脑肌电特征分析[D];燕山大学;2015年

2 谢立娟;针灸合并运动想象疗法在脑卒中偏瘫患者康复护理中的应用[D];河北医科大学;2015年

3 孙会文;基于运动想象脑电的脑机交互模式识别方法研究[D];昆明理工大学;2015年

4 戴若梦;基于深度学习的运动想象脑电分类[D];北京理工大学;2015年

5 郭兰锦;基于结构MRI的运动想象BCI机制研究[D];电子科技大学;2014年

6 翟红利;基于运动想象的脑机接口的数学模型与算法研究[D];长沙理工大学;2014年

7 丛壮;运动想象结合音乐疗法在卒中偏瘫患者上肢康复中的应用[D];辽宁医学院;2015年

8 康莎莎;多类运动想象脑电信号的识别及其在BCI中的应用[D];安徽大学;2016年

9 何青松;基于想象左右手运动思维脑电识别分类研究[D];北京交通大学;2016年

10 刘传伟;运动想象脑电的特征提取和模式分类算法研究及在线验证[D];昆明理工大学;2016年

  本文关键词：基于运动想象的脑电信号识别算法研究，由笔耕文化传播整理发布。

本文编号：280247