基于运动想象的脑机接口研究

发布时间：2017-08-14 04:26

  本文关键词：基于运动想象的脑机接口研究

  更多相关文章： 脑机接口 AAR 累积小波熵 LDA UKF SVM

【摘要】：脑机接口(Brain Computer Interface,BCI)是通过计算机或者其他的电子设备在大脑与外界环境之间建立的一条独立通路,它不依赖于肌肉组织和外周神经直接实现对外交流和控制。脑机接口为丧失部分或全部肌肉控制功能的患者提供了一个与外界沟通的新途径。本文主要研究了脑电数据的处理方法,对脑电信号处理中运用的预处理、特征提取和模式分类算法做了详细介绍,同时通过离线的两分类运动想象脑电数据集对算法进行验证。论文中首先概括介绍脑机接口的概念、系统组成,总结了脑机接口研究领域的兴起、研究现状以及应用成果。详细地阐述了脑电信号的预处理、特征提取和模式分类算法。特征提取算法的有效性直接影响着分类的效果,利用小波分解和小波重构技术对运动想象脑电信号进行多尺度分析,提取出各个频段里特征最明显的信号,对信号进行求和平均处理,计算累积小波熵。将累积小波熵与AAR算法相结合,提取脑电信号的多维特征,提高了分类的正确率。仿真结果表明,对单独子频带进行分析,可以提取出隐藏在运动想象脑电信号中更为精确的信息,累积小波熵与AAR模型参数的结合,使分类准确率明显提高。分类器的选取尤为重要,提出了将基于无迹卡尔曼滤波(UKF)的神经网路作为识别左右手脑电信号特征的分类器。UKF算法经过快速的迭代运算可准确估计出神经网络的权值,完成对神经网络的训练。分类结果表明,该分类器的分类性能优于常用的线性判别分析(LDA)和支持向量机分类器。针对运动想象两分类脑电数据集,采用了多种特征提取与分类算法组合,分析小波熵在不同节律下的特征,将自适应自回归(AAR)与累积小波熵相结合,得到了更低的分类误差。为了获得更高的分类准确率,本论文将基于UKF的神经网路应用在脑电数据处理分类器优化问题上,并与LDA分类器和支持向量机(SVM)的分类结果作对比。最后介绍了BCI2000平台,对基于感觉运动节律的BCI实验进行仿真,模拟意念控制。
【关键词】：脑机接口 AAR 累积小波熵 LDA UKF SVM
【学位授予单位】：天津工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R338;TN911.7
【目录】：

• 学位论文的主要创新点3-4
• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-19
• 1.1 大脑皮层结构9-11
• 1.1.1 大脑皮层10
• 1.1.2 大脑两个半球的区别与联系10-11
• 1.2 脑电信号11-14
• 1.2.1 脑电的概念和历史11-13
• 1.2.2 脑电的分类13-14
• 1.3 脑机接口14-18
• 1.3.1 脑机接口的概念及系统组成15
• 1.3.2 脑机接口的研究现状15-18
• 1.4 内容安排18-19
• 第二章 实验数据采集与预处理19-29
• 2.1 大脑信号的采集19-20
• 2.2 实验数据描述20-22
• 2.2.1 Graz数据描述20-21
• 2.2.2 Berlin数据描述21-22
• 2.3 数据预处理22-29
• 2.3.1 数据的限幅22-23
• 2.3.2 数据的带通滤波23-25
• 2.3.3 小波滤波25-29
• 第三章 脑电信号的特征提取29-37
• 3.1 AAR模型参数估计29-31
• 3.2 小波熵31-35
• 3.2.1 脑电信号的多尺度小波分解和重构31-32
• 3.2.2 小波包熵32-35
• 3.3 累积小波熵特征35-36
• 3.4 AAR参数与累积小波熵结合36-37
• 第四章 运动想象BCI的分类方法研究37-53
• 4.1 LDA分类器37-42
• 4.1.1 分类误差仿真结果与分析37-38
• 4.1.2 Kappa系数仿真结果及分析38-39
• 4.1.3 互信息仿真结果及分析39-41
• 4.1.4 不同特征分类结果比较41-42
• 4.2 支持向量机42-45
• 4.2.1 仿真结果与分析44-45
• 4.3 人工神经网络45-47
• 4.4 基于UKF的神经网络47-50
• 4.4.1 UT变换47-48
• 4.4.2 UKF算法48-49
• 4.4.3 基于UKF的神经网络训练算法49
• 4.4.4 基于UKF的神经网络算法仿真49-50
• 4.5 左右手运动想象分类结果50-53
• 第五章 BCI2000与脑机接口53-59
• 5.1 BCI2000平台53-55
• 5.1.1 一个公共模型53-54
• 5.1.2 源模块及文件格式54
• 5.1.3 信号处理模块54-55
• 5.1.4 用户应用模块55
• 5.1.5 操作员模块55
• 5.2 系统结构55-57
• 5.2.1 启动55
• 5.2.2 Operator操作模块55-56
• 5.2.3 过滤器56-57
• 5.3 基于感觉运动节律的BCI实验仿真57-59
• 5.3.1 实验过程57
• 5.3.2 结果分析57-59
• 第六章 总结与展望59-61
• 6.1 总结59-60
• 6.2 展望60-61
• 参考文献61-67
• 攻读硕士学位期间发表的论文和取得的科研成果67-69
• 致谢69

【参考文献】

中国期刊全文数据库 前10条

1 李晶;;人类大脑的神奇世界[J];世界文化;2015年10期

2 Changbo LI;Liangshu WANG;Bin SUN;Runhai FENG;Yongjing WU;;Interpretations of gravity and magnetic anomalies in the Songliao Basin with Wavelet Multi-scale Decomposition[J];Frontiers of Earth Science;2015年03期

3 黄锦标;张灵聪;许炯泽;;基于脑电信号的驾驶疲劳研究[J];人类工效学;2015年04期

4 徐鲁强;肖光灿;;运动想象功率谱信号的模糊融合研究[J];计算机工程;2015年06期

5 孙瀚;张雄;张玉;郭曼云;;基于脑电信号的脑机接口技术[J];安徽科技;2015年04期

6 许允之;方永丽;褚鑫;贾立敬;陈鲁娜;李晓波;陈奎;;小波包频带-能量重构的异步电动机转子断条故障诊断[J];煤矿机电;2015年02期

7 俱莹;何佳;胡稷鑫;;经典功率谱估计方法的研究[J];数字通信世界;2015年04期

8 麻利义;方钰;方科亚;陈群;;基于AR模型便携式心率变异系统的设计与实现[J];信息与电脑(理论版);2015年06期

9 王群;程佳;刘志文;;一种新的脑电信号睡眠分期方法[J];航天医学与医学工程;2015年01期

10 曾志刚;黄廷文;廉城;;神经信息处理[J];国际学术动态;2013年05期

中国博士学位论文全文数据库 前5条

1 李红利;癫痫脑电信号的非线性分析[D];天津大学;2012年

2 王磊;基于运动想象的脑电信号分类与脑机接口技术研究[D];河北工业大学;2009年

3 周鹏;基于运动想象的脑机接口的研究[D];天津大学;2007年

4 魏庆国;基于运动想象的脑—机接口分类算法的研究[D];清华大学;2006年

5 何庆华;基于视觉诱发电位的脑机接口实验研究[D];重庆大学;2003年

，

本文编号：670769