基于盲源分离的P300脑机接口信号处理算法研究

发布时间：2017-08-20 06:19

  本文关键词：基于盲源分离的P300脑机接口信号处理算法研究

  更多相关文章： 脑机接口 P300脑电信号 信号处理 盲源分离 小波变换

【摘要】：脑机接口是在人脑和计算机或其他电子设备之间建立的不依赖于常规大脑信息输出通路的对外信息交流和控制的通信系统。作为事件相关电位中重要的内源性成分,P300脑电信号广泛应用于脑机接口系统中,如何快速、准确的对其进行提取与识别是P300脑机接口领域研究的热点问题,对认知生物科学、脑神经科学和电子与信息科学等具有十分重要的意义。本文利用近年来信号处理领域中应用较为广泛的盲源分离方法,从预处理、特征提取、特征优选和分类识别四个方面,对P300脑机接口信号处理算法进行分析研究。针对P300脑电信号预处理过程中,小波变换存在的P300信号与伪迹成分频谱重叠、小波基优选缺乏必要的理论依据,以及盲源分离存在的源信号过度分解、估计分量需要人工挑选等问题,提出一种P300脑电信号提取的新方法:结合电极分布特性,依据信噪比和均方根误差量化指标选择最优小波基;依据平滑伪Wigner-Ville分布时频分析的结果,通过相干平均、小波变换和盲源分离算法对原始信号进行时域、频域和空域滤波;依据分离矩阵的逆矩阵、整体和局部PCC系数、局部平均振幅和局部峰振幅,结合G1法构建时空分析模型,最优化自动提取P300分量并映射回头皮电极处。设计实验对比分析了Fast ICA、Informax、SOBI和JADE四种盲源分离典型算法在P300脑电信号提取过程中的性能。通过实验验证,提出的方法相较于相干平均、小波变换等传统方法,P300脑电信号的提取效果有显著提高。针对P300脑电信号特征提取、特征优选和分类识别过程中,多导联、多特征造成的操作繁琐、数据冗杂等问题,提出一种P300脑电信号识别的新方法:将枚举法和顺序前向浮动搜索法相结合,依据基于散布矩阵的可分性判据,对小波变换、盲源分离过程中的初始特征进行优选;采用非线性软间隔支持向量机,利用交叉验证和粒子群寻优算法对分类器参数进行优化,构建具有6维特征向量的训练模型进行分类识别。通过实验验证,提出的方法在系统分类精度和速度方面均有较大改善,为基于P300脑电信号的脑机接口系统在线应用打下基础。
【关键词】：脑机接口 P300脑电信号 信号处理 盲源分离 小波变换
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7;R338
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 绪论11-23
• 1.1 本文的研究背景及意义11-13
• 1.2 脑机接口的研究现状13-18
• 1.2.1 脑机接口概述13-14
• 1.2.2 脑机接口的研究与发展14-17
• 1.2.3 目前存在的问题与面临的挑战17-18
• 1.3 P300脑电信号处理算法的研究现状18-21
• 1.4 本文的研究内容21-23
• 第2章 P300脑电信号的基础分析及研究23-36
• 2.1 引言23
• 2.2 脑电信号概述23-29
• 2.2.1 脑电信号的生理学基础23-24
• 2.2.2 脑电信号的采集方式24-26
• 2.2.3 EEG脑电信号的特点26-27
• 2.2.4 EEG脑电信号的分类27-29
• 2.3 事件相关电位的分析研究29-31
• 2.3.1 事件相关电位的特征29-30
• 2.3.2 事件相关电位的成分30-31
• 2.4 P300电位的分析研究31-34
• 2.4.1 P300电位的基础应用31-32
• 2.4.2 P300电位的实验范式32-33
• 2.4.3 P300电位的数据获取33-34
• 2.5 本章小结34-36
• 第3章 盲源分离算法的理论分析及实现36-52
• 3.1 引言36
• 3.2 盲源分离的基本理论36-41
• 3.2.1 盲源分离的数学模型36-37
• 3.2.2 盲源分离的不确定性37-39
• 3.2.3 盲源分离的算法分类39
• 3.2.4 盲源分离的算法评价标准39-41
• 3.3 盲源分离的预处理方法41-42
• 3.3.1 零均值化41
• 3.3.2 白化处理41-42
• 3.4 盲源分离的典型算法42-48
• 3.4.1 基于非高斯性准则和投影追踪的Fast ICA算法43-44
• 3.4.2 基于信息论准则和自适应处理的Informax算法44-46
• 3.4.3 基于二阶统计量准则和批处理的SOBI算法46-47
• 3.4.4 基于四阶统计量准则和批处理的JADE算法47-48
• 3.5 盲源分离算法的仿真研究及性能比较48-51
• 3.6 本章小结51-52
• 第4章 P300脑电信号的自动提取和特征加强52-67
• 4.1 引言52
• 4.2 P300脑电信号的提取算法52-53
• 4.3 P300脑电信号的时域滤波53-55
• 4.3.1 基于相干平均的时域滤波53-54
• 4.3.2 基于平滑伪Wigner-Ville分布的时频分析54-55
• 4.4 P300脑电信号的频域滤波55-59
• 4.4.1 基于小波变换的频域滤波55-56
• 4.4.2 基于SNR和RMSE量化指标的小波基优选56-59
• 4.5 P300脑电信号的空域滤波59-60
• 4.5.1 基于盲源分离的空域滤波59-60
• 4.5.2 基于G1法的初始权重确定60
• 4.6 P300脑电信号提取效果的对比实验及数据分析60-66
• 4.7 本章小结66-67
• 第5章 P300脑电信号的特征优选和分类识别67-83
• 5.1 引言67
• 5.2 P300脑电信号的识别算法67-68
• 5.3 P300脑电信号的特征提取68-72
• 5.3.1 小波变换过程中的特征68-70
• 5.3.2 盲源分离过程中的特征70-72
• 5.4 P300脑电信号的特征优选72-76
• 5.4.1 类别可分性判据72-73
• 5.4.2 经典特征优选算法73-74
• 5.4.3 基于枚举法和顺序前向浮动搜索的特征优选74-76
• 5.5 P300脑电信号的分类识别76-80
• 5.5.1 支持向量机76-78
• 5.5.2 粒子群寻优算法78-79
• 5.5.3 基于支持向量机和粒子群寻优的分类识别79-80
• 5.6 P300脑电信号识别效果的对比实验及数据分析80-81
• 5.7 本章小结81-83
• 结论83-86
• 参考文献86-92
• 攻读硕士学位期间承担的科研任务与主要成果92-93
• 致谢93

【相似文献】

中国期刊全文数据库 前4条

1 周卫东;基于独立分量分析的生理信号盲源分离(英文)[J];山东生物医学工程;2002年02期

2 邵文婷;方滨;王普;任明荣;沈毅;;稀疏信号的盲源分离求解方法提取胎儿心电信号[J];生物医学工程学杂志;2009年06期

3 高莉;黄力宇;;基于自适应梯度盲源分离算法的胎儿心电提取[J];仪器仪表学报;2008年08期

4 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 李舜酩;;转子振动信号的盲源分离研究[A];第三届全国虚拟仪器大会论文集[C];2008年

2 许林周;章新华;范文涛;;一种盲源分离后续去冗余方法[A];2009年全国水声学学术交流暨水声学分会换届改选会议论文集[C];2009年

3 韩少博;林京;吴文焘;;频域盲源分离中的一种稳健解排列模糊方法[A];中国声学学会2009年青年学术会议[CYCA’09]论文集[C];2009年

4 章林柯;何琳;江涌;;基于盲源分离的潜艇源识别信号去除干扰研究[A];第十一届船舶水下噪声学术讨论会论文集[C];2007年

5 康春玉;章新华;李军;;盲源分离与自适应滤波器结合抑制强干扰研究[A];2012'中国西部声学学术交流会论文集(Ⅱ)[C];2012年

6 周祥;樊涛;;基于盲源分离的储油罐底腐蚀混叠信号的识别与分离[A];第八届沈阳科学学术年会论文集[C];2011年

7 王颖翠;;一种基于自然梯度的卷积混合频域盲源分离算法[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

8 许策;章新华;高成志;;源数目估计对盲源分离算法影响分析[A];2007年全国水声学学术会议论文集[C];2007年

9 成谢锋;张仲;孙夏;;一种单路混合信号的盲源分离新方法[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 胡增辉;朱炬波;;基于盲源分离的波达角估计[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

中国博士学位论文全文数据库 前10条

1 张良俊;欠定盲源分离算法及其应用研究[D];武汉理工大学;2015年

2 吴微;含噪盲源分离算法研究及其在水声信号中的应用[D];解放军信息工程大学;2014年

3 骆忠强;无线通信盲源分离关键技术研究[D];电子科技大学;2016年

4 徐先峰;利用参量结构解盲源分离算法研究[D];西安电子科技大学;2010年

5 王尔馥;盲源分离理论及其在通信系统中的应用[D];哈尔滨工业大学;2009年

6 李昌利;盲源分离的若干算法及应用研究[D];西安电子科技大学;2010年

7 高建彬;盲源分离算法及相关理论研究[D];电子科技大学;2012年

8 郭靖;盲源分离的时频域算法研究[D];重庆大学;2012年

9 张念;盲源分离理论及其在重磁数据处理中的应用研究[D];中国地质大学;2013年

10 刘建强;非平稳环境中的盲源分离算法研究[D];西安电子科技大学;2009年

中国硕士学位论文全文数据库 前10条

1 彭帆;多输入多输出系统盲源分离频域新方法的研究[D];汕头大学;2002年

2 程舒慧;动态盲源分离及其在生物医学信号处理中的应用研究[D];安徽大学;2011年

3 张政;基于独立分量分析的盲源分离算法优化研究[D];南京信息工程大学;2015年

4 赵挺;蜂群算法及其仿生策略研究[D];浙江大学;2016年

5 梁中远;基于盲源分离的船舶柴油机噪声分离技术研究[D];大连海事大学;2016年

6 刘婷;自适应变步长盲源分离算法的研究[D];太原理工大学;2016年

7 王晓梅;基于随机信号的单通道盲源分离研究[D];太原科技大学;2015年

8 赵国伟;基于高阶统计量的盲源分离算法研究[D];长春工业大学;2016年

9 刘梦蝶;基于自然梯度的盲源分离算法中非线性函数的研究[D];东北大学;2014年

10 杨坤;基于不完整自然梯度的盲分离算法研究[D];东北大学;2014年

，

本文编号：705032