振动辅助下脑电信号识别的研究

发布时间：2020-04-22 09:38

【摘要】：脑-机接口(Brain Computer Interface,BCI)是大脑与外部设备间建立的直接连接通路,是让脑损伤患者与外界进行互动的有效途径。运动想象的脑电信号(Electroencephalogram,EEG)是BCI系统最常用的控制信号。外部诱发刺激通过人体皮肤表面的机械感受器传入的信号传输到大脑运动皮层,成为当前提高BCI识别率的研究热点。本文研究振动辅助能否影响大脑运动皮层的活跃程度,能否提高EEG信号的识别率,主要内容与创新点归纳如下:(1)在信号消噪方面,针对传统的经验模态分解存在的模态混叠现象,以及传统的盲源分离技术得到的各独立源分量顺序不确定,提出了一种基于总体经验模态分解与降噪源分离和近似熵相结合的脑电信号消噪方法。通过仿真数据与真实脑电数据验证了提出方法的有效性。(2)在运动皮层状态分析方面,以事件相关同步/事件相关去同步(Event Related Desynchronization/Event Related Synchronization,ERD/ERS)和运动想象与体感刺激影响α、β节律信号为依据,应用α、β节律信号时域和频域两种ERD量化值作为皮层活跃测量度,对受试者在单一运动想象、不同振动频率辅助下运动想象的脑电信号的皮层活跃度进行分析,对4位受试者的实验数据的分析结果进行统计分析,结果表明振动辅助提高了大脑运动皮层的活跃度,进一步增强了 EEG信号的可分辨性。(3)在特征提取方面,针对传统小波变换的小波基函数的品质因子(中心频率和带宽的比值)不能灵活调节的问题,提出一种基于可调品质因子小波变换和模糊熵的脑电特征提取方法。通过国际BCI竞赛数据验证了本文方法的有效性。(4)在模式分类方面,应用基于粒子群优化的极限学习机分类方法,优化了极限学习机的输入层节点权值和隐含层节点阈值,使得优化后的极限学习机只需要在较少的隐含层节点就可以获得更好的分类效果。(5)在振动辅助下脑电信号识别研究方面,对4位受试者单一运动想象和振动辅助下的运动想象的左右手运动的脑电信号进行了实验研究。研究表明,4位受试者振动辅助下比单一运动想象左右手的平均识别准确率提高了 5%、7%,再一次表明了振动可以提高运动皮层的活跃度,增强EEG信号的可分辨性,进而提高脑电信号的识别率。
【图文】：

Ｐ３００电位是大脑受到外界新奇事件（如视觉、听觉等）刺激时产生的一个逡逑正电位，它通常发生在相关刺激出现后３００－４００ｍｓ左右［２］，主要位于中央皮层区逡逑域，，如图１．１所示。研宄表明，Ｐ３００电位产生的概率很小，但是概率越小，产生逡逑的正电位的幅值越大［３］。Ｆａｒｗｅｌｌ等［４】在１９８８年设计了基于Ｐ３００的２６字母的虚逡逑拟键盘，实现了英文字符的在线输入。龙锦益等［５］利用Ｐ３００设计并实现了控制逡逑轮椅的ＢＣＩ系统。浙江大学吴边等％设计了基于Ｐ３００电位的中文虚拟键盘，实逡逑现了汉字笔画在线输入的ＢＣＩ系统。逡逑１５０邋ｒ逡逑１00邋－邋Ｐｚ／＂＼逡逑１５０邋？邋＼逡逑馨逦／逦ｄｅｓｉｒｅｄ逡逑／逦ｃｈｏｉｃｅ逡逑＾逦？邋？邋？逦？．．邋ｏｔｈｅｒ逡逑ｃｈｏｉｃｅｓ逡逑－５０邋逦１逦１逦＊逦？逦１逦１逦１逡逑－１００邋０邋１００邋２００邋３００邋４００邋５００邋６００逡逑时间／ｍｓ逡逑图１．１邋Ｐ３００电位波形逡逑２逡逑

Ｐ３００电位是大脑受到外界新奇事件（如视觉、听觉等）刺激时产生的一个逡逑正电位，它通常发生在相关刺激出现后３００－４００ｍｓ左右［２］，主要位于中央皮层区逡逑域，如图１．１所示。研宄表明，Ｐ３００电位产生的概率很小，但是概率越小，产生逡逑的正电位的幅值越大［３］。Ｆａｒｗｅｌｌ等［４】在１９８８年设计了基于Ｐ３００的２６字母的虚逡逑拟键盘，实现了英文字符的在线输入。龙锦益等［５］利用Ｐ３００设计并实现了控制逡逑轮椅的ＢＣＩ系统。浙江大学吴边等％设计了基于Ｐ３００电位的中文虚拟键盘，实逡逑现了汉字笔画在线输入的ＢＣＩ系统。逡逑１５０邋ｒ逡逑１00邋－邋Ｐｚ／＂＼逡逑１５０邋？邋＼逡逑馨逦／逦ｄｅｓｉｒｅｄ逡逑／逦ｃｈｏｉｃｅ逡逑＾逦？邋？邋？逦？．．邋ｏｔｈｅｒ逡逑ｃｈｏｉｃｅｓ逡逑－５０邋逦１逦１逦＊逦？逦１逦１逦１逡逑－１００邋０邋１００邋２００邋３００邋４００邋５００邋６００逡逑时间／ｍｓ逡逑图１．１邋Ｐ３００电位波形逡逑２逡逑
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R338;TN911.7

【参考文献】

相关期刊论文 前10条

1 黄家闽;杨珑颀;;基于随机共振和支持向量机的水下目标检测[J];杭州电子科技大学学报(自然科学版);2015年01期

2 罗志增;周瑛;高云园;;基于双密度小波邻域相关阈值处理的脑电信号消噪方法[J];模式识别与人工智能;2014年05期

3 王元生;任兴民;杨永锋;邓旺群;;旋转机械故障信号的去噪源分析[J];噪声与振动控制;2013年01期

4 王力;张雄;;小波滤波与AR模型在脑电信号处理的应用[J];电子器件;2012年04期

5 朱晓军;吕士钦;余雪丽;樊刘娟;;基于改进EMD的脑电信号去噪方法[J];计算机工程;2012年01期

6 刘慧;谢洪波;和卫星;王志中;;基于模糊熵的脑电睡眠分期特征提取与分类[J];数据采集与处理;2010年04期

7 成玮;张周锁;何正嘉;;降噪源分离技术及其在机械设备运行信息特征提取中的应用[J];机械工程学报;2010年13期

8 缪育平;戴桂平;邱义;戴冷n\;李光;;单次单道电刺激脑电模式识别方法研究[J];传感技术学报;2010年03期

9 吴边;苏煜;张剑慧;李昕;张吉财;陈卫东;郑筱祥;;基于P300电位的新型BCI中文输入虚拟键盘系统[J];电子学报;2009年08期

10 廖彩萍;李远清;赵慧;;基于运动想象的脑电信号的分类研究[J];自动化与仪表;2008年04期

本文编号：2636382