P300脑电信号的特征提取与分类研究

发布时间：2021-05-27 07:55

　　脑机接口（Brain-Computer Interface,BCI）是一种脑机融合感知的新技术,它不依赖于人体自身的信息输出系统,而是通过在大脑与外部辅助设备之间建立的直接连接通路实现与周围环境的交流。P300脑电信号是一种内源性的事件相关电位,具有严格的锁时性,因此被广泛用作脑机接口系统的控制信号。针对P300电位非线性、非平稳性以及个体差异性大等特点,本文结合机器学习和深度学习中的有关方法,从脑电信号的预处理、特征提取和分类识别等方面入手,对P300脑电信号处理算法进行研究。本文主要的研究工作如下:（1）提出一种将经验模态分解（Empirical Mode Decomposition,EMD）算法与频谱分析算法相结合的P300脑电信号去噪方法:首先将原始脑电信号进行EMD分解,得到若干个固有模态分量（Intrinsic Mode Function,IMF）;然后根据P300电位的有效频率范围,使用频谱分析算法保留有用的IMF分量并进行重构,即得到消噪后的脑电信号。将该方法与其他传统的脑电信号去噪方法进行对比实验,结果表明该方法具有较好的去噪效果。（2）使用小波包分解（Wavelet... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 脑机接口概述
        1.2.1 脑机接口系统的组成
        1.2.2 脑机接口系统的分类
        1.2.3 脑机接口系统的应用场景
    1.3 国内外研究现状及存在的问题
    1.4 P300脑电信号的分析方法
    1.5 本文的主要内容及组织结构
第2章 脑电信号
    2.1 脑电信号概述
        2.1.1 大脑的基本结构和功能
        2.1.2 脑电信号的产生机制
        2.1.3 脑电信号的采集
        2.1.4 脑电信号的特点
    2.2 事件相关电位与P300电位
        2.2.1 事件相关电位
        2.2.2 P300电位
    2.3 P300脑电信号的数据获取
    2.4 本章小结
第3章 P300脑电信号的预处理
    3.1 常用的EEG信号消噪方法
        3.1.1 小波阈值去噪
        3.1.2 盲源分离
        3.1.3 自适应滤波
    3.2 基于EMD和频谱分析的P300脑电信号消噪方法
        3.2.1 经验模态分解
        3.2.2 频谱分析
        3.2.3 基于EMD和频谱分析的P300脑电信号消噪
    3.3 实验结果与分析
    3.4 本章小结
第4章 P300脑电信号的特征提取
    4.1 基于小波变换的特征提取
    4.2 基于小波包分解的特征提取
    4.3 实验结果分析
    4.4 本章小结
第5章 P300脑电信号的分类
    5.1 支持向量机
        5.1.1 线性支持向量机
        5.1.2 非线性支持向量机
    5.2 线性判别分析
    5.3 卷积神经网络
        5.3.1 传统的卷积神经网络
        5.3.2 常用的防止过拟合的方法
        5.3.3 改进的卷积神经网络
        5.3.4 评价标准
    5.4 实验结果分析
        5.4.1 实验重复次数对分类结果的影响
        5.4.2 Dropout和BN操作的作用
        5.4.3 P300脑电信号分类结果
    5.5 本章小结
第6章 总结与展望
    6.1 本文工作总结
    6.2 研究展望
致谢
参考文献
附录



本文编号：3207204