基于两类运动想象脑电信号的特征提取算法研究
发布时间：2021-02-04 00:01
脑机接口（Brain Computer Interface,BCI）是一种人机交互系统,不依赖于人的神经通路,通过脑电信号（Electroencephalogram,EEG）和外界进行交流。由于其广泛的应用价值近年来已经成为脑科学、医疗康复、自动控制等领域的研究热点。由于脑电信号是一种非平稳的随机信号,因此提取有效的信号特征集是整个脑机接口系统中十分重要的环节。论文研究了两类运动想象任务脑电信号的特征提取算法,内容主要为以下两个方面:（1）基于运动想象和休息两分类的思维任务数据,选用了现代功率谱中的自回归模型（AR）模型参数估计对运动想象信号进行频谱估计。针对实际AR模型阶数往往是未知的问题,本文提出了一种基于采样率来选取模型阶数的方法,将这种方法与其他选阶法进行分析对比,根据事件相关去同步化/同步化（ERD/ERS）现象和T检验结果验证了该方法的优越性。（2）选取竞赛数据中的左右手运动想象两任务数据,针对运动想象数据特征提取算法中出现的无法准确描述非平稳信号、计算困难等一系列的问题,本文提出一种将经验模态分解（Empirical Mode Decomposition,EMD）和自适应...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图１．１?ＢＣＩ系统示意图??（１）信号的采集装置??
?第１章绪论???ｊ?？?？?０?？?？Ｎ．??ＭＯ?Ｏ?？?Ｏ?ＯＮ??Ｍｒ：ｉ?．．．ｈ?？？?ｆｒ??＼?〇?Ｏ?〇?Ｏ?〇?／??又。ｏ？少??图１．２国际标准导联放置系统??（２）预处理和特征提取??采集到的ＥＥＧ信号常常伴有低频地肌电信号、工频感染、眼电伪迹，所以??要对其进行预处理以此来提高信号的信噪比。特征提取选取的算法会直接影响??分类效果，但是过于负责的算法又会影响信息的传输效率、增大计算量，所以在??选取特征提取算法的时候要综合考虑简单高效的算法，例如Ｍｔｉｌｌｅｒ－Ｇｅｒｋｉｎｇ在??１９９９年提出共空间模式（ｃｏｍｍｏｎｓｐａｔｉａｌｐａｔｔｅｒｎ，?ＣＳＰ）算法［２２］，适用于多导联的??装置，ＣＳＰ算法在国际竞赛中得到广泛使用，均取得了较好的分类效果，但是计??算量过大，不适合在线实时脑机系统的信号处理。??（３）分类算法（模式识别）??分类器通过对特种训练集进行训练，将训练好的分类器对ＥＥＧ信号进行意??图识别，以此来控制外部设备。在对脑电信号进行分类时，线性判别分析（ＬＤＡ）??是较为常见的二分类算法，在国际竞赛中广泛使用取得了较好的效果［２〃４］，支持??向量机［２５］（ＳＶＭ）也支持对不同思维任务信号分类，使用较为广泛。??（４）外部控制设备??经过分类器识别出来的指令用于控制外部的设备，如计算机软件、轮椅、神??经假肢等。在整套脑机接口系统中，每一部分的好坏都将影响最终的意图识别，??也会影响在线系统的时效性和稳定性。??根据控制方式的不同可划分为同步系统和异步系统，同步系统的原理是在??受试者受到反馈的时间段内进行特定的思维任务，目前大部分实验室使用和研??究
?第１章绪论???图１．５?Ｐ３００打字系统的实验范式??实验屏幕为一个６＊６的矩阵，３６个单元格，每个单元格都是一个字符或符??号。基于Ｐ３００的ＢＣＩ系统不需要自我诱发，用户需要将注意力集中在其中的一??个字母上，矩阵的上的每行每列会以随机顺时序闪烁每一行和每一列，持续时间??为１００ｍｓ，在一轮１２次的闪烁中，目标字母所在的单元格只会闪烁两次，而与??其他各行各列１０次闪烁相比，形成少数事件，进而产生Ｐ３００信号。??（４）基于ＳＳＶＥＰ的脑机接口系统??ＳＳＶＥＰ是视网膜神经受到一个指定频率视觉刺激时，在脑皮质枕叶区产生??与刺激频率相关频率的脑电信号［３２Ｌ和其他的脑机接口系统相比，ＳＳＶＥＰ具有??更高的信息传输率、训练周期短，所以被广泛的应用在多类脑一机接口系统中。??Ｓｕｔｔｅｒ研发了一款基于ＳＳＶＥＰ的打字系统，主界面是一个８＊８的矩阵，矩??阵中的每个单元格按照不同的频率闪烁，用户看不同的单元格诱发相关的??ＳＳＶＥＰ信号来实现打字，系统每分钟可以完成１０－１２个单词的输入［３３１。??ＭｉｎＨｙｅＣｈａｎｇ开发了一种幅值可调制的ＳＳＶＥＰ系统，能够有效改善ＢＣＩ系统的??性能［３４］。ＨｗａｎｇＨＪ研发了一款基于ＱＷＥＲＴＹ样式的键盘系统，速度可达４０．７２??比特／分钟，准确率也很高［３５］。??１．２脑机接口研究现状??在１９７０年，美国成立了第一支脑机接口研究小组，该研究小组在基于应用??视觉诱发电位的基础上，实现了对屏幕上指针的二维运动的控制［３５］。目前，国内??外的ＢＣＩ研究工作组已有上百个，大部分的工作都是对脑卒中、ＡＬＳ病人的研??６??
【参考文献】：
期刊论文
[1]脑机接口的现状与未来[J]. 高上凯. 机器人产业. 2019(05)
[2]大脑神经联接图谱的研究进展[J]. 孙乐,杜久林. 中国科学:生命科学. 2018(03)
[3]基于相位同步与AR的运动想象脑电信号特征提取研究[J]. 刘琳琳,陈健,李松,许丽. 软件导刊. 2018(03)
[4]脑机接口技术的研究与展望[J]. 尧俊瑜,邬长杰. 现代计算机(专业版). 2017(26)
[5]“脑控汽车”在南开大学“开跑”[J]. 张建新,乔仁铭. 农家参谋. 2015(08)
[6]脑电EEG信号的分析方法[J]. 黄小娜,石砚. 甘肃科技. 2010(09)
[7]脑机接口技术在康复中的应用[J]. 陆蓉蓉,吴毅. 中华物理医学与康复杂志. 2009 (10)
[8]基于AR模型的脑-机接口问题研究[J]. 唐艳,柳建新,邹清. 计算机工程与应用. 2009(01)
[9]脑电处理的Wigner分布交叉项的模糊滤波[J]. 谭旭平,刘建成. 北京生物医学工程. 2008(05)
[10]脑机接口系统中的交互技术研究[J]. 岳敬伟,葛瑜,周宗潭,胡德文. 计算机测量与控制. 2008(08)
硕士论文
[1]脑机接口结合功能电刺激对脑卒中慢性期大脑可塑性的影响[D]. 寇程.中国人民解放军医学院 2013
[2]基于P300的在线脑机接口系统[D]. 张剑慧.浙江大学 2010
[3]平稳AR模型阶数的贝叶斯因子判据[D]. 彭家龙.华中科技大学 2007
本文编号：3017378
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图１．１?ＢＣＩ系统示意图??（１）信号的采集装置??
?第１章绪论???ｊ?？?？?０?？?？Ｎ．??ＭＯ?Ｏ?？?Ｏ?ＯＮ??Ｍｒ：ｉ?．．．ｈ?？？?ｆｒ??＼?〇?Ｏ?〇?Ｏ?〇?／??又。ｏ？少??图１．２国际标准导联放置系统??（２）预处理和特征提取??采集到的ＥＥＧ信号常常伴有低频地肌电信号、工频感染、眼电伪迹，所以??要对其进行预处理以此来提高信号的信噪比。特征提取选取的算法会直接影响??分类效果，但是过于负责的算法又会影响信息的传输效率、增大计算量，所以在??选取特征提取算法的时候要综合考虑简单高效的算法，例如Ｍｔｉｌｌｅｒ－Ｇｅｒｋｉｎｇ在??１９９９年提出共空间模式（ｃｏｍｍｏｎｓｐａｔｉａｌｐａｔｔｅｒｎ，?ＣＳＰ）算法［２２］，适用于多导联的??装置，ＣＳＰ算法在国际竞赛中得到广泛使用，均取得了较好的分类效果，但是计??算量过大，不适合在线实时脑机系统的信号处理。??（３）分类算法（模式识别）??分类器通过对特种训练集进行训练，将训练好的分类器对ＥＥＧ信号进行意??图识别，以此来控制外部设备。在对脑电信号进行分类时，线性判别分析（ＬＤＡ）??是较为常见的二分类算法，在国际竞赛中广泛使用取得了较好的效果［２〃４］，支持??向量机［２５］（ＳＶＭ）也支持对不同思维任务信号分类，使用较为广泛。??（４）外部控制设备??经过分类器识别出来的指令用于控制外部的设备，如计算机软件、轮椅、神??经假肢等。在整套脑机接口系统中，每一部分的好坏都将影响最终的意图识别，??也会影响在线系统的时效性和稳定性。??根据控制方式的不同可划分为同步系统和异步系统，同步系统的原理是在??受试者受到反馈的时间段内进行特定的思维任务，目前大部分实验室使用和研??究
?第１章绪论???图１．５?Ｐ３００打字系统的实验范式??实验屏幕为一个６＊６的矩阵，３６个单元格，每个单元格都是一个字符或符??号。基于Ｐ３００的ＢＣＩ系统不需要自我诱发，用户需要将注意力集中在其中的一??个字母上，矩阵的上的每行每列会以随机顺时序闪烁每一行和每一列，持续时间??为１００ｍｓ，在一轮１２次的闪烁中，目标字母所在的单元格只会闪烁两次，而与??其他各行各列１０次闪烁相比，形成少数事件，进而产生Ｐ３００信号。??（４）基于ＳＳＶＥＰ的脑机接口系统??ＳＳＶＥＰ是视网膜神经受到一个指定频率视觉刺激时，在脑皮质枕叶区产生??与刺激频率相关频率的脑电信号［３２Ｌ和其他的脑机接口系统相比，ＳＳＶＥＰ具有??更高的信息传输率、训练周期短，所以被广泛的应用在多类脑一机接口系统中。??Ｓｕｔｔｅｒ研发了一款基于ＳＳＶＥＰ的打字系统，主界面是一个８＊８的矩阵，矩??阵中的每个单元格按照不同的频率闪烁，用户看不同的单元格诱发相关的??ＳＳＶＥＰ信号来实现打字，系统每分钟可以完成１０－１２个单词的输入［３３１。??ＭｉｎＨｙｅＣｈａｎｇ开发了一种幅值可调制的ＳＳＶＥＰ系统，能够有效改善ＢＣＩ系统的??性能［３４］。ＨｗａｎｇＨＪ研发了一款基于ＱＷＥＲＴＹ样式的键盘系统，速度可达４０．７２??比特／分钟，准确率也很高［３５］。??１．２脑机接口研究现状??在１９７０年，美国成立了第一支脑机接口研究小组，该研究小组在基于应用??视觉诱发电位的基础上，实现了对屏幕上指针的二维运动的控制［３５］。目前，国内??外的ＢＣＩ研究工作组已有上百个，大部分的工作都是对脑卒中、ＡＬＳ病人的研??６??
【参考文献】：
期刊论文
[1]脑机接口的现状与未来[J]. 高上凯. 机器人产业. 2019(05)
[2]大脑神经联接图谱的研究进展[J]. 孙乐,杜久林. 中国科学:生命科学. 2018(03)
[3]基于相位同步与AR的运动想象脑电信号特征提取研究[J]. 刘琳琳,陈健,李松,许丽. 软件导刊. 2018(03)
[4]脑机接口技术的研究与展望[J]. 尧俊瑜,邬长杰. 现代计算机(专业版). 2017(26)
[5]“脑控汽车”在南开大学“开跑”[J]. 张建新,乔仁铭. 农家参谋. 2015(08)
[6]脑电EEG信号的分析方法[J]. 黄小娜,石砚. 甘肃科技. 2010(09)
[7]脑机接口技术在康复中的应用[J]. 陆蓉蓉,吴毅. 中华物理医学与康复杂志. 2009 (10)
[8]基于AR模型的脑-机接口问题研究[J]. 唐艳,柳建新,邹清. 计算机工程与应用. 2009(01)
[9]脑电处理的Wigner分布交叉项的模糊滤波[J]. 谭旭平,刘建成. 北京生物医学工程. 2008(05)
[10]脑机接口系统中的交互技术研究[J]. 岳敬伟,葛瑜,周宗潭,胡德文. 计算机测量与控制. 2008(08)
硕士论文
[1]脑机接口结合功能电刺激对脑卒中慢性期大脑可塑性的影响[D]. 寇程.中国人民解放军医学院 2013
[2]基于P300的在线脑机接口系统[D]. 张剑慧.浙江大学 2010
[3]平稳AR模型阶数的贝叶斯因子判据[D]. 彭家龙.华中科技大学 2007
本文编号：3017378
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3017378.html
