基于时频空特征融合的脑机接口技术研究
发布时间：2022-02-05 06:24
脑机接口技术（Brain-Computer Interface,BCI）是一种新型的建立大脑与外部环境之间连接通路的系统,是未来科学技术的发展重点。目前BCI技术被广泛应用到各个领域,例如环境控制与生活娱乐等领域。其中运动想象（Motor Im agery,MI）的研究更是研究热点。因此,研究基于运动想象脑电信号的分类具有重要的科学意义。本文基于两组四分类的运动想象脑电数据集,对基于运动想象脑电信号的特征提取方法与脑电信号分类算法的应用进行深入的研究,同时实现了基于小波变换为核心算法的在线运动想象脑电信号识别系统,论文的主要内容如下:1.基于BCI竞赛iv的数据集Data Set 2a与BCI竞赛iii数据集Data Set iiia两组多分类运动想象脑电信号数据集,设计了基于滑动窗口的时间段选择算法,基于不同的被试之间的差异性,选择最适合被试的时间段进行处理;2.针对目前在运动想象脑电信号领域大多为提取单一特征且更多为二分类算法的研究,本文提出基于小波变换的时频空多分类特征提取算法,基于脑电的传导过程提取时域特征;基于运动想象的ERD/ERS现象提取频域特征:二阶矩能量;基于脑电的空...
【文章来源】：哈尔滨工业大学黑龙江省211工程院校985工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
脑控光标和拼写Scherer等人[14]，在2004年研发了基于BCI技术的异步的虚拟键盘拼写系统，通过自发的脑电信号和三类运动想象脑电信号控制虚拟键盘进行拼写
哈尔滨工业大学硕士学位论文41.2.2国内现状在国内，目前研究脑机接口技术的高校或机构在不断的增加，取得的不少成果，提出了有效的算法。东南大学徐保国[17]，通过小波包变换对运动想象脑电信号的能量变化进行特征提取，通过基于马氏距离的LDA算法对二分类运动想象脑电信号进行分类，提高了识别率。清华大学的研究团队，通过训练运动想象脑电信号的特征，实现了通过EEG数据控制机器狗踢足球（如图）。北京工业大学李明爱等人[18]，通过改进共同空间模型算法，提高了在电极导联数目少的情况下，脑电信号识别率降低的问题，通过提取最明显的空间滤波器，SVM进行分类识别显著提高。东北大学研究人员[19]利用滑动时间窗口，通过CSP算法对左右手的运动想象脑电信号进行特征提取，结果显示，最大互信息有了明显提高。崔燕等人[20]，提出了一种基于希尔伯特-黄变换（HHT）与共空域子空间分解的特征提取算法，改善了运动想象脑电信号特征提取方面的自适应性和实时性，为脑电实时应用提供了理论基矗图1-2清华大学踢足球的机器狗1.3目前存在的主要问题利用BCI技术对运动想象脑电信号进行特征提取与识别分类的研究，国内
哈尔滨工业大学硕士学位论文8第2章脑电信号的分类研究基础2.1脑电信号的概念与产生原理脑电信号最早是有英国学家Canton在1875年发现，而真正记录到脑电信号的存在是在1926年，在这之后，人们逐渐地对脑电信号有了更多更深入地认知。图2-1神经元结构图大脑内部神经元之间的信息传导是通过电信号进行的，单个神经元所释放的电位变化是十分微弱的，不足以被外界设备检测到。但是当大脑中一群神经元或者神经组织，释放同样的电位信号时，那么相应的电位变化将会进行叠加，并且足以被设备检测，经过外部的放大器处理，就可以通过电极帽上的电极进行记录，形成脑电数据，为人类对大脑的探索，认知疾病机制等提供了更多的理论依据，应用前景十分广泛。2.2脑电信号的组成脑电信号，EEG是由很多的电位组成的，其中像是直流电位，慢电位和诱发电位等。当我们受到刺激，不管是视觉上的，还是身体上的，那么我们的大脑皮层就会产生相应的电位变化，那么这其中就包含了ERP事件相关电位，而本文所采用的数据就属于该类。EEG信号是很微弱的，属于微伏级，很容易被其他噪声干扰（例如眼电、肌电），进而影响了EEG信号的信噪比，因为大脑的神经活动是非常复杂的，如果不去除其中的噪声，那么会导致对其无法产生正确的判断，这样不利于发展BCI系统。脑电数据的获取方式在目前有两种，一种是非侵入式的，通过头皮来采
【参考文献】：
期刊论文
[1]脑机接口:从神奇到现实转变[J]. 尧德中. 中国生物医学工程学报. 2014(06)
[2]基于HHT和CSSD的多域融合自适应脑电特征提取方法[J]. 李明爱,崔燕,杨金福,郝冬梅. 电子学报. 2013(12)
[3]在线脑机接口中脑电信号的特征提取与分类方法[J]. 徐宝国,宋爱国,费树岷. 电子学报. 2011(05)
[4]基于CSP与SVM算法的运动想象脑电信号分类[J]. 刘冲,赵海滨,李春胜,王宏. 东北大学学报(自然科学版). 2010(08)
[5]小波包熵和BP神经网络在意识任务识别中的应用[J]. 任亚莉. 计算机应用与软件. 2009(08)
[6]基于改进CSP算法的运动想象脑电信号识别方法[J]. 李明爱,刘净瑜,郝冬梅. 中国生物医学工程学报. 2009(02)
[7]基于小波包变换和聚类分析的脑电信号识别方法[J]. 徐宝国,宋爱国. 仪器仪表学报. 2009(01)
博士论文
[1]多模态脑电信号分析及脑机接口应用[D]. 李洁.上海交通大学 2009
硕士论文
[1]融合相位同步与CSP算法的运动想象分类研究[D]. 徐飞鹏.杭州电子科技大学 2015
本文编号：3614732
【文章来源】：哈尔滨工业大学黑龙江省211工程院校985工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
脑控光标和拼写Scherer等人[14]，在2004年研发了基于BCI技术的异步的虚拟键盘拼写系统，通过自发的脑电信号和三类运动想象脑电信号控制虚拟键盘进行拼写
哈尔滨工业大学硕士学位论文41.2.2国内现状在国内，目前研究脑机接口技术的高校或机构在不断的增加，取得的不少成果，提出了有效的算法。东南大学徐保国[17]，通过小波包变换对运动想象脑电信号的能量变化进行特征提取，通过基于马氏距离的LDA算法对二分类运动想象脑电信号进行分类，提高了识别率。清华大学的研究团队，通过训练运动想象脑电信号的特征，实现了通过EEG数据控制机器狗踢足球（如图）。北京工业大学李明爱等人[18]，通过改进共同空间模型算法，提高了在电极导联数目少的情况下，脑电信号识别率降低的问题，通过提取最明显的空间滤波器，SVM进行分类识别显著提高。东北大学研究人员[19]利用滑动时间窗口，通过CSP算法对左右手的运动想象脑电信号进行特征提取，结果显示，最大互信息有了明显提高。崔燕等人[20]，提出了一种基于希尔伯特-黄变换（HHT）与共空域子空间分解的特征提取算法，改善了运动想象脑电信号特征提取方面的自适应性和实时性，为脑电实时应用提供了理论基矗图1-2清华大学踢足球的机器狗1.3目前存在的主要问题利用BCI技术对运动想象脑电信号进行特征提取与识别分类的研究，国内
哈尔滨工业大学硕士学位论文8第2章脑电信号的分类研究基础2.1脑电信号的概念与产生原理脑电信号最早是有英国学家Canton在1875年发现，而真正记录到脑电信号的存在是在1926年，在这之后，人们逐渐地对脑电信号有了更多更深入地认知。图2-1神经元结构图大脑内部神经元之间的信息传导是通过电信号进行的，单个神经元所释放的电位变化是十分微弱的，不足以被外界设备检测到。但是当大脑中一群神经元或者神经组织，释放同样的电位信号时，那么相应的电位变化将会进行叠加，并且足以被设备检测，经过外部的放大器处理，就可以通过电极帽上的电极进行记录，形成脑电数据，为人类对大脑的探索，认知疾病机制等提供了更多的理论依据，应用前景十分广泛。2.2脑电信号的组成脑电信号，EEG是由很多的电位组成的，其中像是直流电位，慢电位和诱发电位等。当我们受到刺激，不管是视觉上的，还是身体上的，那么我们的大脑皮层就会产生相应的电位变化，那么这其中就包含了ERP事件相关电位，而本文所采用的数据就属于该类。EEG信号是很微弱的，属于微伏级，很容易被其他噪声干扰（例如眼电、肌电），进而影响了EEG信号的信噪比，因为大脑的神经活动是非常复杂的，如果不去除其中的噪声，那么会导致对其无法产生正确的判断，这样不利于发展BCI系统。脑电数据的获取方式在目前有两种，一种是非侵入式的，通过头皮来采
【参考文献】：
期刊论文
[1]脑机接口:从神奇到现实转变[J]. 尧德中. 中国生物医学工程学报. 2014(06)
[2]基于HHT和CSSD的多域融合自适应脑电特征提取方法[J]. 李明爱,崔燕,杨金福,郝冬梅. 电子学报. 2013(12)
[3]在线脑机接口中脑电信号的特征提取与分类方法[J]. 徐宝国,宋爱国,费树岷. 电子学报. 2011(05)
[4]基于CSP与SVM算法的运动想象脑电信号分类[J]. 刘冲,赵海滨,李春胜,王宏. 东北大学学报(自然科学版). 2010(08)
[5]小波包熵和BP神经网络在意识任务识别中的应用[J]. 任亚莉. 计算机应用与软件. 2009(08)
[6]基于改进CSP算法的运动想象脑电信号识别方法[J]. 李明爱,刘净瑜,郝冬梅. 中国生物医学工程学报. 2009(02)
[7]基于小波包变换和聚类分析的脑电信号识别方法[J]. 徐宝国,宋爱国. 仪器仪表学报. 2009(01)
博士论文
[1]多模态脑电信号分析及脑机接口应用[D]. 李洁.上海交通大学 2009
硕士论文
[1]融合相位同步与CSP算法的运动想象分类研究[D]. 徐飞鹏.杭州电子科技大学 2015
本文编号：3614732
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3614732.html
