运动想象脑电信号的伪迹剔除算法及在线应用研究

发布时间：2017-09-12 16:38

  本文关键词：运动想象脑电信号的伪迹剔除算法及在线应用研究

  更多相关文章： 脑机接口 脑电伪迹剔除处理 运动想象 小波包变换 独立成分分析

【摘要】：脑-机接口(Brain-computer interaction, BCI)技术是近些年来国际重大前沿研究热点,属于脑机交互控制(Brain-computer/machine interaction control, BCIC/BMIC)的一种,其进一步的发展是脑机融合控制(Brain-computer/machine fusion control, BCFC/ BMFC)。该类脑机接口的典型控制信号源是脑电(Electroencephalogram, EEG),然而EEG信号具有低信噪比、低空间分辨率、极易受到伪迹污染的特点,这就给该类控制系统中脑电信号的处理带来了巨大挑战。在众多脑机交互控制范式中,基于运动想象的脑机接口是一类非常重要的范式。为此,本论文以运动想象脑电信号为实验研究对象,对BCI系统中的自适应脑电信号伪迹处理算法进行设计研究,可望在一定程度上提高信噪比、增强空间分辨率和剔除伪迹,得到较高质量的感知或思维任务相关的脑电特征。并设计对比实验,将本论文中的自适应伪迹处理算法与其他脑电信号伪迹处理算法进行对比,在保证特征提取和模式识别算法相同的情况下,计算出对应的分类正确率。最后将自适应脑电信号伪迹处理算法应用到实时在线BCI系统中进行验证。主要研究内容如下：(1)分析脑电伪迹处理方法,包括严重影响BCI系统性能提高的环境干扰(Environmental interference)和生物伪迹(Biological artifacts)的主要剔除方法。分析了已有的研究情况、存在的局限以及面临的若干重要问题,最后指出脑机交互融合控制中脑电伪迹处理方法未来的发展趋势——在线自适应,融合多种自适应伪迹处理算法的设计可望提高BCI系统的整体性能。(2)探索相对高效的运动想象脑电伪迹自适应处理方法,并将改进算法(小波包变换+自适应独立成分分析)用于2008年脑电数据的离线伪迹处理,首先使用小波包对脑电信号进行4层分解,提取8-30Hz频段的小波系数能量,然后利用ICA对分解后的脑电信号进行自适应滤波,此时得到的能量特征和分类正确率验证了该伪迹处理算法对运动想象脑电信号后续的特征提取和模式识别的有效性。最后将实验结果与国内外已有研究进行对比,验证本文研究设计的处理算法存在优势。(3)研究可用于实时在线BCI系统的运动想象脑电自适应伪迹处理方法,这种融合多种伪迹剔除算法的协同机器学习方法可望提高BCI系统的整体性能。因为自适应算法一般运算量大,需要的运算时间长,应用于实时在线系统中或多或少会存在延时,所以解决自适应算法在实时在线系统中存在的延时问题,或者尽量将延时控制在秒级以下,也是本论文的研究重点,可为BCI设备投入实际使用提供技术支持。
【关键词】：脑机接口 脑电伪迹剔除处理 运动想象 小波包变换 独立成分分析
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R338;TN911.7
【目录】：

• 摘要5-7
• Abstract7-11
• 第1章 绪论11-19
• 1.1 引言11
• 1.2 研究背景及意义11-13
• 1.3 国内外BCI研究现状及存在的问题13-15
• 1.3.1 脑机接口的国内外研究现状13-14
• 1.3.2 脑机接口存在的问题14-15
• 1.4 论文的研究内容15-16
• 1.5 论文的组织结构16-19
• 第2章 运动想象脑电信号的特征19-27
• 2.1 引言19
• 2.2 脑电信号的产生机理及特征19-20
• 2.3 脑电信号的节律性20-21
• 2.4 运动想象脑电信号的特点21-22
• 2.5 运动想象脑电信号的采集22-25
• 2.5.1 被试选择和实验前准备22-23
• 2.5.2 实验装置及电极放置23-24
• 2.5.3 实验范式24-25
• 2.6 本章小结25-27
• 第3章 运动想象脑电伪迹处理方法研究27-45
• 3.1 引言27
• 3.2 运动想象脑电伪迹处理的位置和重要性27-28
• 3.3 脑机接口中空间滤波器方法及作用28-30
• 3.4 运动想象脑电中的环境干扰和生物伪迹30-32
• 3.5 运动想象脑电伪迹处理算法32-41
• 3.5.1 眼电伪迹处理方法32-39
• 3.5.2 肌电伪迹处理方法39-41
• 3.5.3 工频伪迹处理方法41
• 3.6 运动想象脑电伪迹处理若干其它重要问题和进一步的研究方向41-43
• 3.7 本章小结43-45
• 第4章 运动想象脑电伪迹的离线分析45-59
• 4.1 引言45
• 4.2 运动想象脑电数据范式45-47
• 4.3 运动想象脑电信号自适应处理算法47-52
• 4.3.1 运动想象脑电信号的伪迹处理47-50
• 4.3.2 运动想象脑电信号特征提取——共同空间模式50-51
• 4.3.3 运动想象脑电信号模式识别——支持向量机51-52
• 4.4 实验研究与结果分析52-57
• 4.5 本章小结57-59
• 第5章 运动想象脑电伪迹的在线处理59-69
• 5.1 引言59
• 5.2 运动想象脑电信号在线系统简介59-62
• 5.3 运动想象脑电数据范式62
• 5.4 运动想象脑电信号处理方法在线验证62-67
• 5.4.1 运动想象脑电信号处理方法与结果62-66
• 5.4.2 实验结果与对比分析66-67
• 5.5 本章小结67-69
• 第6章 总结和展望69-71
• 6.1 总结69-70
• 6.2 展望70-71
• 致谢71-73
• 参考文献73-79
• 附录A 攻读硕士期间发表的论文、申请的专利79-81
• 附录B 攻读硕士期间参与项目81

【相似文献】

中国期刊全文数据库 前10条

1 刘铁军;田银;尹刚;尧德中;;一种基于皮层成像的自动眼电伪迹去除方法[J];中国生物医学工程学报;2009年01期

2 向馗;罗乔;陈静;;基于周期元分析的运动伪迹消除方法——以心电信号为例[J];生物医学工程学杂志;2012年04期

3 彭诚;叶大田;;小波变换模极大值重建方法消除胃电检测中的运动伪迹[J];清华大学学报(自然科学版);2007年03期

4 应俊;陈广飞;何史林;;基于独立分量分析算法的脑电伪迹分离研究[J];中国医疗器械杂志;2010年01期

5 张莉;何传红;何为;王林泓;;基于典型相关分析与低通滤波的肌电伪迹去除[J];数据采集与处理;2010年02期

6 林绍杰;赖丽娟;吴效明;;基于阻抗检测的自适应消除心电运动伪迹方法[J];生物医学工程学杂志;2010年03期

7 魏颖雯;闫相国;;应用经验模式分解去除近红外光的运动伪迹[J];西安交通大学学报;2014年02期

8 刘铁军;颜红梅;陈华富;尧德中;;基于独立成分分析和最小模解的眼电伪迹去除[J];中国临床康复;2005年40期

9 董宏斌;刘晋明;毛建灿;;嵌入式听力诊断系统中的伪迹消除方法[J];单片机与嵌入式系统应用;2011年07期

10 刘长生;唐艳;汤井田;;基于独立分量分析的脑电中眼电伪迹消除[J];计算机工程与应用;2007年17期

中国重要会议论文全文数据库 前4条

1 刘铁军;尧德中;;基于回归眼电伪迹处理方法与基于成分分析眼电伪迹处理方法的应用郊果比较[A];第一届全国脑与认知科学学术研讨会论文集[C];2005年

2 张莉;何为;何传红;;脑电伪迹消除方法的研究[A];第十届全国电工数学学术年会论文集[C];2005年

3 朱国行;孙冰;章悦;洪震;;脑电图伪迹判定[A];第九次全国神经病学学术大会论文汇编[C];2006年

4 王娆芬;张建华;王行愚;;基于ICA和FCM算法的操作员脑电信号眼电伪迹自动去除研究[A];中国自动化学会控制理论专业委员会B卷[C];2011年

中国博士学位论文全文数据库 前1条

1 刘铁军;脑电信号中眼电伪迹去除方法研究[D];电子科技大学;2008年

中国硕士学位论文全文数据库 前10条

1 李洋;基于小波变换和卡尔曼滤波器的去眼电伪迹算法的研究[D];兰州大学;2016年

2 杨秋红;运动想象脑电信号的伪迹剔除算法及在线应用研究[D];昆明理工大学;2016年

3 陆云达;基于内源信号的脑功能光学成像血管伪迹检测及去除方法研究[D];上海交通大学;2012年

4 李大焕;基于精确延时估计的脑电磁共振同时测量时梯度伪迹的去除[D];电子科技大学;2009年

5 尹兵;脑电波信号的去伪迹研究[D];南京邮电大学;2014年

6 王振宇;脑电信号伪迹去除方法的研究与应用[D];电子科技大学;2013年

7 张姗姗;基于盲源分离的眼电伪迹去除技术研究[D];郑州大学;2014年

8 黄思娟;基于小波分析的EEG伪迹去除与特征分析研究[D];华南理工大学;2011年

9 韩理;视神经电刺激诱发皮层响应的记录与信号处理方法的研究[D];上海交通大学;2008年

10 王兵;脑电信号中伪迹去除的综合研究[D];浙江大学;2010年

，

本文编号：838340