基于运动想象的脑—机接口特征提取和分类算法研究

发布时间：2017-08-31 07:30

  本文关键词：基于运动想象的脑—机接口特征提取和分类算法研究

  更多相关文章： 脑-机接口 运动相关电位 事件相关去同步/同步 判别空域模式

【摘要】：脑-机接口(Brain-computer interface, BCI)一种新型的人机交互系统,它以脑信号为信息载体,直接把人的思维活动转换为控制命令来控制外部设备。BCI在医疗、军事、交通等领域有着广泛的应用前景。其中,基于运动想象的BCI的研究,是近年来BCI研究领域的热点。提高该类BCI系统的可靠性与性能的关键在于对运动想象脑电信号的模式识别,主要包括三部分：预处理、特征提取和分类,本文的重点是针对运动相关电位(Movement related potential, MRP)和事件相关去同步/同步(Event-related desynchronization/synchronization,ERD/ERS)的特征提取和分类算法的研究,主要工作包括：(1)证明判别空域模式算法(Discriminative spatial patterns,DSP)的空间滤波与特征选择和分类的不一致。DSP的空间滤波通过调整时间序列之间的距离来让不同类别的数据分离开,但DSP最终采用时间序列的均值来作为特征,这与空间滤波是不一致的。此外,DSP的空间滤波器和后续的分类器也不是基于同一目标进行优化的,因此,DSP的空间滤波和分类是不一致的。这两个不足可能会降低分类精度。(2)一种针对MRP特征提取和分类的基于逻辑回归的联合框架研究。该框架是对DSP算法的扩展。针对DSP的空间滤波和特征选择的不一致,该框架直接计算空间滤波后时间序列之间的距离来作为分类特征。针对DSP的空间滤波与分类的不一致,该框架将空间滤波、特征提取和分类联合在同一个最小化经验风险的优化问题下,对三者进行联合优化。实验结果证明,基于逻辑回归模型的联合分类框架能够更加准确地提取MRP的时空特性,有效提高BCI系统的分类精度和鲁棒性。(3)一种针对ERD特征提取和分类的基于线性岭回归模型的联合框架研究。该框架运用高斯核函数来计算各电极之间的非线性空间相关性,并以此作为ERD的分类特征。此外,该框架整合了信号的预处理、特征提取和分类,并对三者进行联合优化,利用梯度下降法求最小留一交叉验证误差来自动选择出最优的预处理和分类参数。实验证明,该框架能提取更准确的ERD特征,提高ERD分类精度。
【关键词】：脑-机接口 运动相关电位 事件相关去同步/同步 判别空域模式
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7;R338
【目录】：

• 摘要4-5
• Abstract5-11
• 第一章 绪论11-19
• 1.1 BCI技术概述11-14
• 1.2 BCI的研究意义14-15
• 1.3 BCI信号处理方法的研究现状15-17
• 1.3.1 BCI中的特征提取方法15-16
• 1.3.2 BCI中的分类方法16-17
• 1.3.3 BCI信号处理方法的主要问题17
• 1.4 本文的主要研究内容17-19
• 第二章 运动想象BCI的研究基础19-29
• 2.1 大脑的结构和功能区19-21
• 2.1.1 大脑和大脑皮层的结构19-20
• 2.1.2 大脑皮层的感觉运动区20-21
• 2.2 EEG的产生机理及分类21-25
• 2.2.1 EEG信号的采集22-23
• 2.2.2 EEG信号产生的机理23-24
• 2.2.3 EEG信号的分类24-25
• 2.3 运动想象的神经生理背景25-27
• 2.3.1 运动相关电位25-26
• 2.3.2 事件相关去同步/同步26-27
• 2.4 本章总结27-29
• 第三章 针对MRP特征提取和分类的联合框架29-45
• 3.1 已有的MRP特征提取算法29-30
• 3.2 DSP算法的不一致证明30-33
• 3.2.1 DSP滤波与特征提取的不一致31
• 3.2.2 DSP滤波与分类的不一致31-33
• 3.3 基于逻辑回归模型的联合分类框架33-36
• 3.4 实验准备36-38
• 3.4.1 实验数据来源36-37
• 3.4.2 数据预处理37-38
• 3.4.3 参数选择38
• 3.5 实验结果及分析38-44
• 3.5.1 空间滤波器的对比38-40
• 3.5.2 MRP的分类效果的对比40-42
• 3.5.3 MRP+ERD的分类效果的对比42-44
• 3.6 本章总结44-45
• 第四章 针对ERD/ERS特征提取和分类的联合框架45-55
• 4.1 已有的ERD/ERS特征提取算法45-47
• 4.2 基于LRR模型的联合分类框架47-51
• 4.3 实验结果及分析51-54
• 4.3.1 联合框架的收敛性52
• 4.3.2 分类效果的比较52-53
• 4.3.3 时频模式的比较53-54
• 4.4 本章总结54-55
• 总结与展望55-57
• 参考文献57-62
• 攻读学位期间的科研成果62-64
• 致谢64

【相似文献】

中国期刊全文数据库 前10条

1 葛丁飞;李小梅;;心电信号多周期融合特征提取和分类研究[J];中国生物医学工程学报;2006年06期

2 张绍武;潘泉;赵春晖;程咏梅;;基于加权自相关函数特征提取法的多类蛋白质同源寡聚体分类研究[J];生物医学工程学杂志;2007年04期

3 薛建中,郑崇勋,闫相国;快速多变量自回归模型的意识任务的特征提取与分类[J];西安交通大学学报;2003年08期

4 杨晓敏,罗立民;白细胞自动分类中的特征提取和分析[J];北京生物医学工程;1992年04期

5 王双维;樊晓平;廖志芳;;一种激光诱导荧光光谱特征提取新方法[J];计算机工程与应用;2008年12期

6 杜军平,涂序彦;计算机图像处理技术在舌像特征提取中的应用[J];中国医学影像技术;2003年S1期

7 游佳;陈卉;;数字图像中血管的分割与特征提取[J];生物医学工程与临床;2011年01期

8 谢轶峰;;乳腺超声图像肿瘤特征提取与肿瘤分类[J];中外医疗;2013年16期

9 吴泽晖,吴星;医学图象的边缘特征提取[J];海南师范学院学报(自然科学版);2003年03期

10 杨晓敏，罗立民，，韦钰;血液白细胞计算机分类中的特征提取研究[J];应用科学学报;1994年02期

中国重要会议论文全文数据库 前10条

1 尚修刚;蒋慰孙;;模糊特征提取新算法[A];1997中国控制与决策学术年会论文集[C];1997年

2 潘荣江;孟祥旭;杨承磊;王锐;;旋转体的几何特征提取方法[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

3 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

4 杜栓平;曹正良;;时间—频率域特征提取及其应用[A];2005年全国水声学学术会议论文集[C];2005年

5 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年

6 魏明果;;方言比较的特征提取与矩阵分析[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

7 林土胜;赖声礼;;视网膜血管特征提取的拆支跟踪法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 秦建玲;李军;;基于核的主成分分析的特征提取方法与样本筛选[A];2005年中国机械工程学会年会论文集[C];2005年

9 刘红;陈光

本文编号：764274