基于CSP的联合特征提取算法研究与优化

发布时间：2022-10-21 20:45

　　脑机接口通过大脑产生的脑电信号（Electroencephalogram,EEG）实现人脑与计算机或其他设备之间通信和控制,为人类和环境之间提供了新的通信和控制渠道,拓宽了人类的控制能力,具有广泛的应用前景。然而,用于脑机接口（Brian-computer Interface,BCI）设备研究的脑电信号是一种微弱、非线性、非平稳并且随时间变化的信号,因此有效的特征提取方法是改善识别精度的关键。论文首先对运动想象脑电信号的现代分析方法进行综述,着重介绍多种脑电信号特征提取方法,其中,对经典算法的改进方法以及多种经典算法的组合方法进行了详细地阐述。其次,在综述分析的基础上,针对公共空间模式分解算法需要大量通道信号和缺乏频域信息的缺点进行改进,论文提出了一种公共空间模式算法（Common Spatial Pattern,CSP）结合经验模式分解（Empirical Mode Decomposition,EMD）的特征提取方法。EMD-CSP算法先将信号进行经验模式分解得到多个固有模态函数（Intrinsic Mode Functions,IMFs）,选取符合μ节律和β节律的振荡模式组合成多通... 

【文章页数】：94 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
用术语注释表
第一章 绪论
    1.1 脑电信号概述
        1.1.1 脑电信号概念和原理
        1.1.2 脑电信号的分类与特性
        1.1.3 脑电信号的发展历史和研究现状
    1.2 脑机接口概述
        1.2.1 脑机接口的概念和原理
        1.2.2 脑机接口的分类与特性
        1.2.3 脑机接口历史发展和研究现状
    1.3 本文研究内容
第二章 运动想象脑电信号现代分析方法
    2.1 运动想象脑电信号特征提取算法概述
    2.2 经典方法的改进算法
        2.2.1 离散小波变换的改进
        2.2.2 经验模式分解的改进
        2.2.3 公共空间模式分解的改进
    2.3 多种方法的组合算法
        2.3.1 经典方法之间的组合
        2.3.2 经典法和统计学量的组合
        2.3.3 各类熵
    2.4 本章小结
第三章 公共空间模式算法结合EMD的脑电信号特征提取
    3.1 数据集描述
    3.2 基于改进CSP算法的特征提取方法
        3.2.1 经验模式分解
        3.2.2 公共空间模式分解算法
        3.2.3 改进的CSP滤波算法
        3.2.4 频域能量分析
    3.3 数据集处理过程与结果分析
        3.3.1 数据预处理
        3.3.2 EMD分解与频段筛选
        3.3.3 改进的CSP滤波
        3.3.4 结果与比较
    3.4 本章小结
第四章 左右手运动想象的实验设计与数据处理
    4.1 脑电信号采集系统
        4.1.1 电极帽
        4.1.2 SynAmps放大器
        4.1.3 Curry7软件
        4.1.4 EEGLAB平台
    4.2 运动想象实验设计
    4.3 实验数据处理
        4.3.1 数据预处理
        4.3.2 实验数据分析与比较
    4.4 本章小结
第五章 基于改进CSP算法的特征优化
    5.1 基于S变换的空间滤波器成分选择算法优化
        5.1.1 S变换
        5.1.2 基于S变换的公共空间滤波器成分选择算法
    5.2 CSP结合EEMD的联合特征
        5.2.1 EEMD概述
        5.2.2 数据分析
    5.3 CSP结合双谱的联合特征
        5.3.1 双谱特征概述
        5.3.2 数据分析
    5.4 特征降维
    5.5 特征识别过程优化
        5.5.1 SVM的内核参数优化
        5.5.2 LDA线性判别分析
    5.6 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 工作展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
致谢


【参考文献】：
期刊论文
[1]用EEGLAB分析脑电信号[J]. 程学梅,崔园.  计算机与数字工程. 2014(10)
[2]BCI:改变未来战争面貌的脑-机接口技术[J]. 石海明,刘昱东.  环球军事. 2009(16)
[3]基于能量特征的左右手运动想象脑信号的识别方法[J]. 金晶,王行愚,张秀.  华东理工大学学报(自然科学版). 2007(04)

硕士论文
[1]基于脑—机接口的驾驶员疲劳度检测预警系统研究[D]. 孙宇.吉林大学 2015



本文编号：3696349