基于运动想象的异步脑—机接口算法研究

发布时间：2017-07-08 19:26

  本文关键词：基于运动想象的异步脑—机接口算法研究

  更多相关文章： 脑-机接口 独立分量分析 期望最大化 共同空间模式 半监督学习

【摘要】：脑-机接口系统是不依赖肌肉组织,直接在脑和外部设备之间建立的通讯和控制通道,在头皮处测量得到的脑电信号,可以通过一系列的处理方式从中解析出被试者当前的思维状态,这是一种全新的交互方式,可以用于医疗,军事,娱乐等各个领域,在过去的几十年里获得了蓬勃的发展。本文对左右手运动想象脑电信号进行研究,从信号处理算法的角度讨论实用性脑-机接口系统需解决的关键问题并提出解决方案。因为脑电信号十分微弱,其中还混杂着各种伪迹干扰,不利于后续的研究。本文基于独立分量分析的分解结果,计算每个独立分量的时间,空间特征,通过期望最大化算法计算伪迹相关分量和脑电信号分量两类特征的分类阈值,自动识别并去除伪迹成分。对于去伪迹前后的运动想象脑电信号,通过观察其中的“事件相关去同步/事件相关同步”现象,证实了算法可以突出与所研究问题相关的信号特征,解决以往的手动挑选伪迹相关分量为脑电信号去伪迹预处理带来不便的问题。对脑电信号的模式识别是脑-机接口系统处理算法的核心部分,这部分包括的主要内容是脑电信号的特征提取和分类。本文利用能最大化两类脑电信号差异的共同空间模式算法来提取两类,三类运动想象脑电信号特征,利用朴素贝叶斯分类器,支持向量机,线性判别分析等方法对特征在同步情形下进行分类,给出分类正确率的比较;并针对实际应用的情况,给出异步情形下的信号处理方法和结果的评价指标:任务检测的灵敏度,误报率和有任务情况下两类运动想象脑电信号的分类正确率。针对脑电信号非平稳变化的特点,基于半监督学习的思想,提出利用一组特征典型的训练样本,结合实时生成的脑电信号,在线更新分类器参数。较分类器不更新而言,得到了更好的分类结果。结合以上对各关键问题的研究,设计了脑电信号分析处理系统,系统设计模拟脑-机接口系统实际的使用场景,实现了从原始脑电信号到使用者当前运动想象状态的解析。
【关键词】：脑-机接口 独立分量分析 期望最大化 共同空间模式 半监督学习
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R338;TN911.7
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-14
• 1.1 脑-机接口的定义与研究意义9-10
• 1.2 脑-机接口的研究现状分析10-12
• 1.3 实用脑-机接口的发展要求12-13
• 1.4 本文主要研究内容13-14
• 第2章 运动想象脑电信号特点及预处理方法14-28
• 2.1 引言14
• 2.2 脑电信号特点14-16
• 2.3 运动想象脑电的生理基础16-18
• 2.4 运动想象脑电信号的去伪迹预处理18-27
• 2.4.1 独立分量分析在眼电伪迹去除中的应用19-20
• 2.4.2 基于独立分量时空特征的眼电伪迹自动识别算法20-27
• 2.5 本章小结27-28
• 第3章 运动想象脑电特征提取及分类28-46
• 3.1 引言28
• 3.2 左右手运动想象脑电信号特征提取28-31
• 3.2.1 基于空间滤波器的设计方法28-31
• 3.2.2 CSP方法抗噪性分析31
• 3.3 同步情形下的运动想象脑电信号分类31-34
• 3.3.1 线性判别分析32-33
• 3.3.2 左右手运动想象脑电信号样本分类33-34
• 3.4 异步情形下的运动想象脑电信号分类34-44
• 3.4.1 一类运动想象任务的检出35-42
• 3.4.2 两类运动想象任务的检出42-44
• 3.5 本章小结44-46
• 第4章 基于期望最大化的分类器在线更新方法46-54
• 4.1 引言46
• 4.2 拓展的期望最大化算法46-52
• 4.2.1 半监督学习的基本思想46-47
• 4.2.2 运动想象脑电信号的非平稳变化47-49
• 4.2.3 拓展的期望最大化算法49-51
• 4.2.4 改进EM算法的性能分析51-52
• 4.3 分类器在线更新实验及结果分析52-53
• 4.4 本章小结53-54
• 第5章 脑电信号分析处理系统54-60
• 5.1 引言54
• 5.2 平台搭建与配置54
• 5.3 脑电信号处理系统总体实现方案54-55
• 5.4 系统关键环节的设计55-56
• 5.5 系统界面及基本功能56-59
• 5.6 系统测试59
• 5.7 本章小结59-60
• 结论60-61
• 参考文献61-65
• 攻读硕士学位期间发表的论文及其它成果65-67
• 致谢67

，

本文编号：535985