基于神经网络的运动想象脑电信号识别技术研究
发布时间：2020-12-24 21:02
运动想象脑电信号识别是指通过分析识别脑电信号来推断人的运动意向,从而实现人与机器的直接交流。目前,运动想象脑电识别技术已广泛应用于移动辅助机器人、上肢辅助机器人和脑卒中康复等医疗领域,以及脑控游戏和虚拟现实等娱乐领域。本文首先研究了该领域的国内外相关工作,从基于传统机器学习的脑电信号识别到最新的基于卷积神经网络的脑电信号识别,探讨了目前基于卷积神经网络的运动想象脑电信号识别存在的两个不足:第一个不足是,这些方法在卷积神经网络中使用单一卷积尺度进行特征提取和分类,但由于最适合的卷积核尺寸会因实验对象或时间而异,导致单一卷积尺度的卷积神经网络分类准确率较低。第二个不足是,在训练数据有限的情况下,神经网络容易出现过拟合的现象,从而导致运动想象脑电信号分类准确率降低。为了解决单一卷积尺度的卷积神经网络的问题,本文提出了一种基于混合尺度卷积神经网络的运动想象脑电识别算法,混合尺度卷积神经网络的多分支的结构能够尽可能提取到不同卷积尺度下不同域(时间、频率、空间)中脑电信号的运动相关信息,提高了运动想象脑电信号的分类准确率。另一方面,为了解决训练数据有限的问题,本文提出了一种针对脑电信号的数据增强算...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究工作的背景与意义
1.2 国内外研究现状
1.2.1 运动想象脑电信号识别技术简介
1.2.2 算法相关研究
1.2.3 硬件相关研究
1.3 本文的主要工作和结构安排
1.3.1 本文的主要工作
1.3.2 本文的结构安排
第二章 基于神经网络的运动想象脑电信号识别算法设计
2.1 传统运动想象脑电信号识别算法
2.1.1 非端到端运动想象脑电信号识别算法
2.1.2 端到端运动想象脑电信号识别算法
2.2 基于混合尺度卷积神经网络的运动想象脑电信号识别算法
2.2.1 卷积核大小对脑电分类准确率影响
2.2.2 混合尺度卷积神经网络的结构
2.2.3 针对混合尺度卷积神经网络的数据增强
2.3 本章小结
第三章 基于神经网络的运动想象脑电信号识别硬件设计
3.1 运动想象脑电信号识别硬件架构与工作流程
3.1.1 运动想象脑电信号识别硬件架构
3.1.2 运动想象脑电信号识别硬件工作流程
3.2 运动想象脑电信号识别硬件控制部分
3.2.1 指令
3.2.2 主状态机
3.3 运动想象脑电信号识别硬件计算部分
3.3.1 乘累加操作
3.3.2 激活操作与池化操作
3.3.3 混合尺度卷积神经网络的计算优化
3.4 运动想象脑电信号识别硬件存储部分
3.5 本章小结
第四章 实验结果与分析
4.1 软硬件开发平台介绍
4.2 实验数据集介绍
4.2.1 数据集2a
4.2.2 数据集2b
4.2.3 数据预处理
4.3 算法实验结果与分析
4.3.1 混合尺度卷积神经网络与单尺度卷积神经网络对比实验
4.3.2 数据增强方法对比实验
4.3.3 与其他运动想象脑电识别算法的对比实验
4.4 硬件实验结果与分析
4.4.1 硬件功能测试与分析
4.4.2 硬件实时性测试与分析
4.4.3 硬件资源开销分析
4.5 本章小结
第五章 全文总结与展望
5.1 全文总结
5.2 后续工作展望
致谢
参考文献
个人简介及攻读硕士期间取得的研究成果
【参考文献】：
期刊论文
[1]基于FPGA的脑电信号CSP算法实现[J]. 万安,凌朝东. 微型机与应用. 2014(10)
[2]2006年第二次全国残疾人抽样调查主要数据公报[J]. Leading Group of the Second China National Sample Survey on Disability, National Bureau of Statistics of the People’s Republic of China. 中国康复理论与实践. 2006(12)
博士论文
[1]运动想象脑电信号处理与P300刺激范式研究[D]. 施锦河.浙江大学 2012
硕士论文
[1]基于协调运动想象的脑电信号识别研究[D]. 周莹.杭州电子科技大学 2019
[2]基于FPGA的脑电分析算法研究与实现[D]. 边宏亮.东北大学 2011
本文编号：2936306
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究工作的背景与意义
1.2 国内外研究现状
1.2.1 运动想象脑电信号识别技术简介
1.2.2 算法相关研究
1.2.3 硬件相关研究
1.3 本文的主要工作和结构安排
1.3.1 本文的主要工作
1.3.2 本文的结构安排
第二章 基于神经网络的运动想象脑电信号识别算法设计
2.1 传统运动想象脑电信号识别算法
2.1.1 非端到端运动想象脑电信号识别算法
2.1.2 端到端运动想象脑电信号识别算法
2.2 基于混合尺度卷积神经网络的运动想象脑电信号识别算法
2.2.1 卷积核大小对脑电分类准确率影响
2.2.2 混合尺度卷积神经网络的结构
2.2.3 针对混合尺度卷积神经网络的数据增强
2.3 本章小结
第三章 基于神经网络的运动想象脑电信号识别硬件设计
3.1 运动想象脑电信号识别硬件架构与工作流程
3.1.1 运动想象脑电信号识别硬件架构
3.1.2 运动想象脑电信号识别硬件工作流程
3.2 运动想象脑电信号识别硬件控制部分
3.2.1 指令
3.2.2 主状态机
3.3 运动想象脑电信号识别硬件计算部分
3.3.1 乘累加操作
3.3.2 激活操作与池化操作
3.3.3 混合尺度卷积神经网络的计算优化
3.4 运动想象脑电信号识别硬件存储部分
3.5 本章小结
第四章 实验结果与分析
4.1 软硬件开发平台介绍
4.2 实验数据集介绍
4.2.1 数据集2a
4.2.2 数据集2b
4.2.3 数据预处理
4.3 算法实验结果与分析
4.3.1 混合尺度卷积神经网络与单尺度卷积神经网络对比实验
4.3.2 数据增强方法对比实验
4.3.3 与其他运动想象脑电识别算法的对比实验
4.4 硬件实验结果与分析
4.4.1 硬件功能测试与分析
4.4.2 硬件实时性测试与分析
4.4.3 硬件资源开销分析
4.5 本章小结
第五章 全文总结与展望
5.1 全文总结
5.2 后续工作展望
致谢
参考文献
个人简介及攻读硕士期间取得的研究成果
【参考文献】：
期刊论文
[1]基于FPGA的脑电信号CSP算法实现[J]. 万安,凌朝东. 微型机与应用. 2014(10)
[2]2006年第二次全国残疾人抽样调查主要数据公报[J]. Leading Group of the Second China National Sample Survey on Disability, National Bureau of Statistics of the People’s Republic of China. 中国康复理论与实践. 2006(12)
博士论文
[1]运动想象脑电信号处理与P300刺激范式研究[D]. 施锦河.浙江大学 2012
硕士论文
[1]基于协调运动想象的脑电信号识别研究[D]. 周莹.杭州电子科技大学 2019
[2]基于FPGA的脑电分析算法研究与实现[D]. 边宏亮.东北大学 2011
本文编号：2936306
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2936306.html
