面向脑机接口的脑电信号去噪方法研究

发布时间：2023-04-15 06:31

　　脑机接口(Brain-Computer Interfaces,BCI)是能让人脑与计算机或者电子设备直接进行信息传递的传输通道,其中以基于脑电信号(Electroencephalograph,EEG)的脑机接口技术最为常用。近年来脑机接口在医疗康复、军事航天和生活娱乐等领域有了快速的发展,便携化的移动脑机接口系统成为将脑机接口技术推广到现实应用中的关键。移动脑机接口设备由于电极容易受到干扰以及使用者处于运动状态,对伪迹消除算法产生很大的依赖。独立成分分析算法能够有效地提取出脑电信号中的伪迹成分,是常用的伪迹消除算法之一,但对于成分的选择需要专业人员处理,不利于推广到现实的运用中,因此本论文以独立成分分析为基础,提出了基于模式分类的自动伪迹消除方法,研究内容主要包括:(1)通过研究基于P300诱发电位和稳态视觉诱发电位SSVEP的不同脑机接口系统的实验设置和信号特性,对两种脑电信号的独立成分进行对比和手动消除,得到消除后的脑电信号和伪迹成分。为了得到较好的伪迹成分,本文采用三种不同的独立成分分析(Independent Component Analysis,ICA)对脑电信号进行伪迹提取...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 本课题的研究背景与意义
    1.2 脑机接口概述
        1.2.1 脑机接口简介
        1.2.2 脑电信号简介
    1.3 伪迹信号简介
        1.3.1 伪迹消除常用方法
        1.3.2 伪迹消除研究难点与现状
    1.4 研究方向与重点
    1.5 论文结构
第二章 脑电信号获取与分析
    2.1 基于P300脑机接口的脑电信号
        2.1.1 实验设置与数据获取
        2.1.2 预处理与特征提取
        2.1.3 贝叶斯线性判别分析
        2.1.4 P300脑电数据分类结果
    2.2 脑机接口竞赛P300脑电数据
        2.2.1 实验范式与实验设置
        2.2.2 数据的采集与特征提取
        2.2.3 实验范式的缺点和数据特点
    2.3 基于SSVEP脑机接口的脑电信号
        2.3.1 实验设置与数据获取
        2.3.2 预处理与特征提取
        2.3.3 典型相关分析
        2.3.4 SSVEP脑机接口分类结果
    2.4 本章小结
第三章 基于独立成分分析的伪迹消除
    3.1 引言
    3.2 独立成分分析原理
        3.2.1 ICA的算法模型
        3.2.2 ICA的不确定性
        3.2.3 预处理
    3.3 常用的ICA算法
        3.3.1 Infomax和Infomax拓展算法
        3.3.2 Jade算法
        3.3.3 FastICA算法
    3.4 手动去噪结果比较与分析
        3.4.1 成分分析与选择
        3.4.2 手动伪迹消除信号对比
    3.5 结果讨论
    3.6 本章小结
第四章 自动伪迹消除算法
    4.1 基于模式分类的成分选择概述
    4.2 特征提取与选择
        4.2.1 时域特征
        4.2.2 频域特征
        4.2.3 空域特征
    4.3 伪迹自动消除效果对比
    4.4 本章小结
第五章 自动伪迹消除对分类性能的影响
    5.1 伪迹消除对P300分类的影响
        5.1.1 伪迹消除处理前后数据分类
        5.1.2 分类结果与分析
    5.2 伪迹消除对SSVEP分类的影响
        5.2.1 伪迹消除处理前后数据分类
        5.2.2 分类结果与分析
    5.3 结果讨论
    5.4 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件



本文编号：3790929