基于特征选择的脑电信号有效导联研究

发布时间：2020-05-22 22:45

【摘要】：EEG是探索人脑秘密的一项重要技术。由于它具有高时间分辨率和无损伤的特点,它在脑机接口系统,医疗诊断辅助系统应用中占有重要的地位。在这些应用中,人们通过头皮表面上的导联采集到EEG信号。然而,不同的应用需要不同的导联组合。于是,一些导联就开始变得冗余或不相关。因此对有效导联的选择与研究成为EEG信号分析和处理的重要问题之一。为确保导联选择方法在各应用领域的通用性,基于包裹式的导联选择方法受到越来越多的关注。在这类方法中,基于单目标优化的导联选择无法对导联数和分类准确率做好权衡;而基于多目标优化的导联选择虽实现了对这两个因素的权衡和选取,但是时间花费极大。另外,EEG信号具有个体差异性,因此多目标优化的导联选择方法给出的导联组合只适用于被试自己,无法迁移给其他被试。本文针对当前导联选择方法的问题,对EEG信号的有效导联进行了研究,具体工作如下:1.提出了基于改进UPS-EMOA的导联选择方法。该方法所采用的改进UPSEMOA保留了原UPS-EMOA的非限制种群大小策略,采用了差分进化算法的变异和交叉算子,引入了NSGA-II算法的拥挤度概念。实验结果表明,该方法在保证了高准确率的同时,极大地减少了时间花销。另外,因为该方法在64导联的脑电信号数据效果突出,所以被推荐使用在64导联的脑电信号数据中。2.将基于NSGA-II、UPS-EMOA和MOPSO三种多目标优化的导联选择方法作了对比,分析了三种方法的优劣,给出了他们各自的适用条件。3.提出了基于多粒度的FP-Tree频繁导联挖掘方法。首先,将被试的EEG信号转化为被试的一个特征向量;接着,采用HML算法对被试进行层次划分,不同的层次代表不同的粒度;最后,选择合适的粒度层次,在该粒度层次上利用FPGrowth算法挖掘出某类簇中频繁出现的导联组合,该组合能推广给在类簇中的其他被试。实验结果表明,该方法充分地利用了其他被试的导联组合,将导联组合迁移到其他被试上,实现了零训练。
【图文】：

脑电图学,导联,国际

邮电大学硕士学位论文第 1 章皮采集的 EEG 信号是以不损伤神经元细胞作为前提，因此它属于非侵入它拥有众多的优势，如相对低廉的价格、高的时间分辨率等。通常 EEG于头皮上不同位置的导联，它在一定程度上反映了大脑在不同区域的神导联在头皮上的放置方法一般遵循国际脑电图学会制定的 10-20 系统导联，，如图 1.1 所示。

成分,去同步,同步化,脑电信号

图 2.1 经过叠加平均后的 P300 成分2.1.2 运动想象脑电信号运动想象脑电信号是人们在想象肢体运动时记录的 EEG 信号。它具有明显的事件相关去同步/事件相关同步化(Event-Related Desynchronization，ERD/Event-Related Synchronization，ERS)现象[33]。事件相关去同步(ERD)是指大脑皮层某些区域因为被激活，而频带能量出现下降。反之，事件相关同步化(ERS)是指脑电波的某些频段在大脑静息或惰性状态下表现出明显波幅增高的现象。运动想象的ERD/ERS 现象如图 2.2 所示。据相关研究证明，ERD/ERS 现象主要表现在 8-30Hz的频段，即和两个波段[34,35]。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R741.044;TN911.6

【参考文献】