基于稳态视觉诱发的脑电信号分类算法研究

发布时间：2020-09-21 09:50

　　脑-机接口(BCI)系统是一种能在外部设备与脑之间建立信息传输通路的人机交互系统,同时也是当前脑科学研究中最热门的领域之一。以脑电信号的采集方式为标准,BCI系统可以分为侵入式BCI和非侵入式BCI。其中基于稳态视觉诱发电位(SSVEP)和运动想象(MI)的非侵入式BCI是目前研究和应用最广泛的BCI系统。由于脑电信号弱、噪声大、伪迹多,对脑电信号的分析造成巨大干扰。利用相关脑电信号预处理方法能有效去除伪迹、噪音数据,提高脑电信号的信噪比,为之后的脑电信号特征提取、分类提供更准确的有效数据。首先,本文提出了一种带通道选择的共空间模式算法(CS-CSP),采用基于遗传算法的通道选择算法对CSP算法得到的特征向量降维,提升分类效果。实验结果分析表明,切比雪夫II型滤波优于常规预处理方法,且带通道选择的共空间模式算法分类正确率较未采用通道选择的原始算法有较大提升。其次,在基于多变量同步指数的多导频率识别算法的基础上,提出了改进的基于多变量同步指数与独立成分分析的多导频率识别算法(MSI-ICA),采用公开数据集与典型相关分析(CCA)、基于滤波器组典型相关分析(FBCCA)等算法进行对比。实验结果表明,MSI-ICA算法在分类准确度和信息传输率等方面都优于对比算法。最后,获取符合要求的脑电信号是脑机接口研究工作的前提。本文详细介绍了视觉刺激器的研究、设计和实现步骤,并针对各种刺激参数的选择做了说明,并使用Python平台的Pygame库实现了视觉刺激器的软件原型系统,论文最后介绍了脑电信号采集系统和刺激范式的设计。
【学位单位】：南京航空航天大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R318;TN911.7
【部分图文】：

老龄人口,老年人,诱发电位,老年人口

Theta（） 4~7Hz 成人情绪受到压力时，尤其是失望或挫折Alpha（） 8~12Hz 放松、平静、闭眼但很清醒时Beta（）低频 12.5~16Hz 放松但精神集中中频 16.5~20Hz 思考、处理接收到外界信息高频 20.5~28Hz 激动、焦虑Gamma（）25~40Hz 提高意识、幸福感、减轻压力、冥想Lambda（）诱发电位眼睛受光刺激时 100ms 后诱发P300 诱发电位看到或听到脑中想象的东西时 300ms 后诱发1.1.2 研究意义中国正处于人口老龄化的加速阶段，老年人口的数量和所占比例都在持续增长。如图 1.1所示[2]，专家预测 2050 年时，60 岁以上老年人将达到 4 亿人口。其中，80 岁以上老年人将占比 25%左右[3]。有调研报告显示[4]，我国老年人大部分时间都需要他人照料和护理。由于老年人生活自理能力降低，未来老年人的看护和长期护理需求量将增大。然而我国养老产业发展缓慢，逐年递增的老年人口数量必将给市场带来沉重压力，因而形成服务设施供需严重不足的局面[5]。

不同类,节律

SMRs）的脑机接口：MI 引发的 ERD 和ERS 通常出现在和节律所在的 8~12Hz 和 18~26Hz 范围内。如图1.5（c）所示，受试者在做想象左手运动或者想象右手运动时，在大脑对侧运动感觉区域中的节律和节律的幅值会降低，而在相同侧的运动感觉区域中节律和节律的幅值会增高，这种电生理现象被称为ERD 和 ERS。在 Wadsworth 研究团队开发的 BCI 系统中，受试者成功通过感觉运动节律控制三维光标的移动[31, 32]。Graz BCI 研究团队的 Pfurtscheller 实现了一个多信号分类的脑机接口系统[33, 34]，能区分受试者对身体不同区域运动想象产生的 ERD/ERS 信号。图 1.4 为基于想象运动的脑机接口系统原理示意[6]。

准确率,切比雪夫,通带截止频率,滤波方法

图 3.2 各方法在数据集 I 上的识别准确率由图 3.2 可以看出，独立成分分析与主成分分析的效果比较接近，切比雪夫 II 型滤波器沃夫滤波器效果比较接近。切比雪夫 II 型低通滤波器在该数据集上的平均识别准确率基 90%，而 PCA 和 ICA 的效果都不太理想。这是因为这些算法都将原始脑电信号分解成信号，通过筛选去掉不需要的子信号，从而达到去除伪迹的效果。而筛选不需要的子信步骤需要人工通过经验进行判断，所以引入了较大的误差。.2 滤波方法在不同参数时效果对比由 3.5.1 节各预处理方法在两个数据集上的实验效果来看，切比雪夫 II 型滤波器与巴特滤波器效果较为理想。我们知道人体在自然的静息状态下脑电波的主要成分是波~15Hz），含有少量波（4~7Hz）及波（12.5~28Hz）。所以，我们猜测滤波效果的好坏波器截止频率等参数的选择有关系。表 3.2 不同通带截止频率在数据集 I 上的识别准确率滤波方法通带截止频率

【相似文献】