多任务运动想象脑电信号分类算法研究
发布时间：2020-12-22 13:55
随着社会智能化需求的不断演进,脑-机接口的应用范围已不再局限于医疗临床辅助康复领域,更是扩展到工业,军事乃至生活的方方面面,为脑-机交互甚至人工智能领域开辟了全新局面。但由于人的脑电信号（Electroencephalogram,EEG）的非线性和非平稳等特点使其难以被解析,处理结果也依据不同受试者的特异性而表现得不稳定。基于此,为了提升运动想象脑电模式识别的精度和可靠性,本文针对二类和四类脑电任务设计了两种基于运动想象脑电模式识别的方法。1.对于二分类脑电识别任务,首先,利用可调Q因子小波变换（Tunable Q-factor Wavelet Transform,TQWT）方法对EEG进行分解,得到信号的子频带便于后续特征计算;其次,为了模拟在线信号处理环境,对运动想象EEG进行加窗处理,将小波系数能量和自回归模型（Autoregressive model,AR）作为时-频特征,分形维数作为非线性特征;最后通过线性判别分析（Linear Discriminant Analysis,LDA）分类器来对脑电特征进行分类,采用识别率和互信息作为分类器评价指标。使用BCI2003和BCI20...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
脊柱损伤瘫痪病人用植入式犹他芯片控制电脑鼠标
图 1.3 脊髓侧索硬化症患者通过 BCI 系统进行字符输入(2) 基于 BCI 的动作控制作为 BCI 领域的另一个重点研究方向，研究与开发如轮椅、机械手臂等辅助装置同样对于改善运动障碍残疾患者的生活同样具有着重要意义。20 5 月，美国凯斯西储大学的研究小组将 BCI 与功能电刺激（functional electrtimulation，FES）技术进行融合，使得残疾患者能够实现自主控制自身已经
第 1 章 绪论体来与外界进行交互[3]。在此研究中，研究员通过提取脊髓损伤域相关的运动皮层脑神经信号来控制功能电刺激器，诱发对患者作。通过大量训练，患者可以逐渐实现伸手和抓取的动作，并最痪的手臂喝咖啡的任务。该 BCI 系统的开发已经十分接近日常式，为未来助力患者实现对瘫痪肢体进行流畅控制具有重大指导植入式 BCI 控制植入式功能性电刺激装置，已经能够使得脊柱过意念控制自己的手臂来喂自己吃东西，如图 1.4 所示。严重身体障碍的患者面临的另一个重要挑战是控制周围环境中的机、电话或电灯等。2012 年，布朗大学的研究团队表明了 BCI 复杂的操作[4]。在其研究中，一名瘫痪病人可以利用植入式芯片操控，例如：一位 58 岁的美国女性瘫痪者能够通过大脑控制机咖啡杯，用吸管喝咖啡，如图 1.5 所示。
【参考文献】：
期刊论文
[1]基于自适应无参经验小波变换和选择集成分类模型的运动想象[J]. 何群,王煜文,杜硕,陈晓玲,谢平. 物理学报. 2018(11)
[2]基于互信息与主成分分析的运动想象脑电特征选择算法[J]. 徐佳琳,左国坤. 生物医学工程学杂志. 2016(02)
[3]小波包熵在脑电信号分析中的应用[J]. 沈民奋,黎展程,孙丽莎. 数据采集与处理. 2005(01)
[4]基于时频分析的EEG信号分析处理方法研究进展[J]. 吴晓彬,邱天爽. 国外医学.生物医学工程分册. 2004(06)
[5]基于小波包分解的时变脑电节律提取[J]. 许慰玲,黄静霞,沈民奋. 数据采集与处理. 2004(01)
[6]分形维数和近似熵用于度量信号复杂性的比较研究[J]. 胥永刚,何正嘉. 振动与冲击. 2003(03)
[7]离散振动信号分形盒维数的改进算法和应用[J]. 訾艳阳,胥永刚,何正嘉. 机械科学与技术. 2001(03)
博士论文
[1]脑机融合的混合智能系统：原型及行为学验证研究[D]. 俞一鹏.浙江大学 2016
本文编号：2931878
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
脊柱损伤瘫痪病人用植入式犹他芯片控制电脑鼠标
图 1.3 脊髓侧索硬化症患者通过 BCI 系统进行字符输入(2) 基于 BCI 的动作控制作为 BCI 领域的另一个重点研究方向，研究与开发如轮椅、机械手臂等辅助装置同样对于改善运动障碍残疾患者的生活同样具有着重要意义。20 5 月，美国凯斯西储大学的研究小组将 BCI 与功能电刺激（functional electrtimulation，FES）技术进行融合，使得残疾患者能够实现自主控制自身已经
第 1 章 绪论体来与外界进行交互[3]。在此研究中，研究员通过提取脊髓损伤域相关的运动皮层脑神经信号来控制功能电刺激器，诱发对患者作。通过大量训练，患者可以逐渐实现伸手和抓取的动作，并最痪的手臂喝咖啡的任务。该 BCI 系统的开发已经十分接近日常式，为未来助力患者实现对瘫痪肢体进行流畅控制具有重大指导植入式 BCI 控制植入式功能性电刺激装置，已经能够使得脊柱过意念控制自己的手臂来喂自己吃东西，如图 1.4 所示。严重身体障碍的患者面临的另一个重要挑战是控制周围环境中的机、电话或电灯等。2012 年，布朗大学的研究团队表明了 BCI 复杂的操作[4]。在其研究中，一名瘫痪病人可以利用植入式芯片操控，例如：一位 58 岁的美国女性瘫痪者能够通过大脑控制机咖啡杯，用吸管喝咖啡，如图 1.5 所示。
【参考文献】：
期刊论文
[1]基于自适应无参经验小波变换和选择集成分类模型的运动想象[J]. 何群,王煜文,杜硕,陈晓玲,谢平. 物理学报. 2018(11)
[2]基于互信息与主成分分析的运动想象脑电特征选择算法[J]. 徐佳琳,左国坤. 生物医学工程学杂志. 2016(02)
[3]小波包熵在脑电信号分析中的应用[J]. 沈民奋,黎展程,孙丽莎. 数据采集与处理. 2005(01)
[4]基于时频分析的EEG信号分析处理方法研究进展[J]. 吴晓彬,邱天爽. 国外医学.生物医学工程分册. 2004(06)
[5]基于小波包分解的时变脑电节律提取[J]. 许慰玲,黄静霞,沈民奋. 数据采集与处理. 2004(01)
[6]分形维数和近似熵用于度量信号复杂性的比较研究[J]. 胥永刚,何正嘉. 振动与冲击. 2003(03)
[7]离散振动信号分形盒维数的改进算法和应用[J]. 訾艳阳,胥永刚,何正嘉. 机械科学与技术. 2001(03)
博士论文
[1]脑机融合的混合智能系统：原型及行为学验证研究[D]. 俞一鹏.浙江大学 2016
本文编号：2931878
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2931878.html
