运动想象脑电信号模式识别算法的研究

发布时间：2017-04-11 10:25

  本文关键词：运动想象脑电信号模式识别算法的研究，由笔耕文化传播整理发布。

【摘要】：脑-机接口(Brian Computer Interface,BCI)是一种只通过大脑产生的脑电信号与外界进行交流的通讯系统,该系统与人们的肌肉和外围神经无关。BCI研究的主要内容是将操作人员的控制意图转换成对外部设备的控制指令。其核心技术在于对脑电信号的特征提取和分类识别。本文在运动想象脑电信号模式识别的基础上,搭建在线BCI系统实现机械手的基本运动控制。首先选取BCI 2003竞赛中运动想象数据,对数据进行预处理,确定数据选取的时间和频率的范围。因为有效的特征信息直接影响到最后的分类识别效果,本文在分析传统方法的基础上,提出基于小波变换和共空间模式的方法对脑电信号进行特征提取。这种方法很好的结合了时频域和空间域的特征信息,提取的特征量包含了时间、频率和空间的特征行为,为后续的分类识别打好了基础。采用基于粒子群算法的支持向量机和极限学习机对组合特征量进行分类识别,通过分类结果的对比证明本文提出的特征提取方法优于传统方法,同时得出极限学习机具有更佳的最优识别率和更短的训练学习时间,能够更好的适用于BCI系统。然后选用Emotiv Epoc脑电采集设备,设计相应的实验流程采集运动想象脑电信号,对离线数据进行分析,验证上述理论结果。实验中对极限学习机进行改进,通过对训练集进行循环学习,选择其中效果最好的那组参数作为固定值,提高了平均分类识别的效果。最后,通过Matlab实现了以上算法,对Emotiv Epoc采集的脑电信号进行实时信号分析处理,并将分类的结果转换成控制指令通过串口输出给单片机,单片机根据接收的指令对机械手进行相应的控制。通过对五个受试者进行实验,其结果进一步证明了本文算法的有效性及可行性。
【关键词】：脑机接口 特征提取 支持向量机 极限学习机 机械手
【学位授予单位】：中国计量学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R318;TN911.7
【目录】：

• 致谢5-6
• 摘要6-7
• abstract7-15
• 1 绪论15-22
• 1.1 本文的研究背景和意义15-17
• 1.1.1 研究背景15-16
• 1.1.2 研究意义16-17
• 1.2 BCI的研究现状17-19
• 1.3 运动想象脑电信号模式识别算法的研究现状19-20
• 1.4 本文主要研究的内容20-22
• 2 脑电研究的理论基础22-30
• 2.1 脑电信号基础22-24
• 2.1.1 脑电信号的产生机理和特点22-23
• 2.1.2 脑电信号分类23-24
• 2.2 脑电信号的采集24-25
• 2.3 BCI系统的组成25-26
• 2.4 理论分析数据来源26-29
• 2.4.1 数据来源26-27
• 2.4.2 数据分析27-29
• 2.5 本章小结29-30
• 3 脑电信号的组合特征提取30-41
• 3.1 小波分析30-34
• 3.1.1 小波变换理论30-31
• 3.1.2 连续小波变换31
• 3.1.3 离散小波变换31-32
• 3.1.4 多分辨率分析32-33
• 3.1.5 小波变换的特征信息33-34
• 3.2 共空间模式34-35
• 3.2.1 CSP算法的基本原理34-35
• 3.2.2 CSP的特征信息35
• 3.3 BCI数据分析35-40
• 3.3.1 提取时频域的特征量36-38
• 3.3.2 提取空间域的特征量38-40
• 3.4 本章小结40-41
• 4 脑电信号的分类识别41-55
• 4.1 支持向量机41-46
• 4.1.1 线性可分SVM41-43
• 4.1.2 非线性SVM43-45
• 4.1.3 改进PSO-SVM分类器设计45-46
• 4.2 极限学习机46-49
• 4.2.1 单隐层前馈神经网络46-48
• 4.2.2 ELM算法原理48-49
• 4.3 BCI数据分类识别49-54
• 4.3.1 分类器的设计49-52
• 4.3.2 分类器结果分析52-54
• 4.4 本章小结54-55
• 5 实验55-66
• 5.1 实验设计55-59
• 5.1.1 实验设备55-56
• 5.1.2 实验数据的采集56-58
• 5.1.3 实验设计58-59
• 5.2 离线数据特征提取59-63
• 5.2.1 数据预处理59-61
• 5.2.2 小波变换的特征提取61-62
• 5.2.3 空间域的特征提取62-63
• 5.3 离线运动想象数据的分类识别63-65
• 5.3.1 改进的ELM算法63-64
• 5.3.2 离线数据分类结果比较64-65
• 5.4 本章小结65-66
• 6 在线脑机-接口的应用66-74
• 6.1 在线脑机-接口的搭建66-67
• 6.2 基于α波阻断控制机械手的抓放动作67-69
• 6.2.1 α波阻断的控制原理67-68
• 6.2.2 α波阻断脑电信号的特征提取68
• 6.2.3 α波阻断实验训练结果68-69
• 6.3 基于运动想象控制机械手的左右移动69-72
• 6.3.1 实验设计69-71
• 6.3.2 在线实验结果分析71-72
• 6.4 本章小结72-74
• 7 总结与展望74-77
• 7.1 总结74-75
• 7.2 展望75-77
• 参考文献77-82
• 作者简历82

【相似文献】

中国期刊全文数据库 前10条

1 ;脑电信号处理的研究取得阶段性成果[J];河北师范大学学报;1987年01期

2 李志瑞;张文杰;;通用脑电信号处理——微机系统初探[J];河北师范大学学报;1988年Z1期

3 孟欣，，欧阳楷;脑电信号的几个非线性动力学分析方法[J];北京生物医学工程;1997年03期

4 吴小培,冯焕清,周荷琴,王涛;独立分量分析及其在脑电信号预处理中的应用[J];北京生物医学工程;2001年01期

5 李英远,周卫东;径向基函数神经网络在脑电信号建模中的应用[J];山东生物医学工程;2002年02期

6 刘大路,江朝晖,冯焕清,王聪;基于脑电信号时空分布信息的思维特征研究[J];北京生物医学工程;2004年02期

7 许崇涛,沈民奋,李慧,朱国平;双谱分析方法在脑电信号分析中的应用[J];中国行为医学科学;2004年03期

8 汤晓军,宋卓,杨卓,张涛;双任务事件中脑电信号的熵计算(英文)[J];生物物理学报;2005年05期

9 蒋辰伟;章悦;曹洋;朱国行;顾凡及;王斌;;脑死亡与脑昏迷脑电信号的复杂度研究[J];生物物理学报;2008年02期

10 李谷;范影乐;庞全;;基于排列组合熵的脑电信号睡眠分期研究[J];生物医学工程学杂志;2009年04期

中国重要会议论文全文数据库 前10条

1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

2 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年

3 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

4 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年

6 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

7 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

8 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[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

9 李丽君;黄思娟;吴效明;熊冬生;;基于运动想象的脑电信号特征提取与分类[A];中国仪器仪表学会医疗仪器分会2010两岸四地生物医学工程学术年会论文集[C];2010年

10 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年

中国重要报纸全文数据库 前1条

1 张文清　记者 王春;意念控制车速及左右转弯前行[N];科技日报;2008年

中国博士学位论文全文数据库 前10条

1 彭宏;普适化脑电信息感知关键问题的研究[D];兰州大学;2015年

2 吴玉鹏;AR谱在皮层痫样脑电信号分析应用[D];河北医科大学;2015年

3 吴畏;基于统计建模的多导联脑电信号时空建模方法研究[D];清华大学;2012年

4 孙宇舸;脑—机接口系统中脑电信号处理方法的研究[D];东北大学;2012年

5 周群;脑电信号同步：方法及应用研究[D];电子科技大学;2009年

6 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年

7 李春胜;脑电信号混沌特性的研究与应用[D];东北大学;2011年

8 欧阳高翔;癫痫脑电信号的非线性特征识别与分析[D];燕山大学;2010年

9 缪晓波;基于脑电信号的认知动力学系统研究——线性/非线性方法及动态时—频—空分析[D];重庆大学;2004年

10 张美云;阿尔茨海默病脑电信号多尺度时空定量特征研究[D];天津医科大学;2012年

中国硕士学位论文全文数据库 前10条

1 于洪;基于脑电信号的警觉度估计[D];上海交通大学;2007年

2 蒋洁;基于高性能计算的脑电信号分析[D];燕山大学;2010年

3 张志琴;脑电信号的复杂性分析[D];中南大学;2009年

4 许凤娟;脑电信号采集与分析系统的设计[D];长春理工大学;2011年

5 曹铭;意识障碍患者脑电信号的非线性动力学评价分析[D];杭州电子科技大学;2012年

6 刘静;基于加权排序熵的多通道脑电信号同步算法研究[D];燕山大学;2015年

7 陈泽涛;基于脑电信号分析的AD早期评估系统的设计与实现[D];燕山大学;2015年

8 王晓滨;LED光针灸对脑功能的影响研究[D];天津职业技术师范大学;2015年

9 徐朝阳;基于深度网络的脑电信号分类方法研究[D];中国海洋大学;2015年

10 刘巨娟;基于脑电信号识别的驾驶员-汽车混合控制系统设计[D];东北大学;2014年

  本文关键词：运动想象脑电信号模式识别算法的研究，由笔耕文化传播整理发布。

本文编号：298906