视觉诱发P300电位的去噪与提取算法研究

发布时间：2017-06-24 18:19

  本文关键词：视觉诱发P300电位的去噪与提取算法研究，由笔耕文化传播整理发布。

【摘要】：脑机接口技术(BCI)是当今科学研究的一个热门领域,有着巨大的应用价值。脑机接口是一个不依赖于正常的外周神经和肌肉组织传输通道而是直接在大脑和外部环境之间进行通讯的系统。BCI为那些丧失运动及语言能力但是大脑的思维活动正常的人们带来了福音,患者不需要进行语言或者肢体动作而是直接通过大脑来表达自己的想法从而操纵外部设备。BCI还为健康人提供了一种崭新的交流通信模式,并且可以帮助在特殊环境下的工作人员,应用领域十分广泛。事件相关电位ERP是BCI系统中常用的脑电信号,经典的ERP主要成分包括P100、N100、P200、N200、P300,其中P300电位是目前研究最为广泛的一种ERP, P300与注意、记忆等高级心理活动密切相关。本文设计了和经典字符拼写系统相似的基于P300的刺激界面,并进行了脑诱发电位采集实验。由于脑电信号十分微弱,信噪比很低,且在采集过程中常常混入其他的干扰伪迹,影响脑电信号的处理结果和分析判断。本文着重研究P300电位的去噪、特征提取与分类识别算法。主要的工作内容如下：(1)对传统的字符拼写刺激界面做了少许改进,在实验室环境中,选择四名受试者进行P300脑诱发电位采集实验。(2)在脑电信号的预处理过程中,提出了一种基于独立分量分析和经验模态分解相结合(ICA-EMD)的去噪算法来去除EEG信号中常见的眼电干扰伪迹。该算法解决了单独使用ICA方法时不能自动识别伪迹分量和会舍弃一部分有用的脑电信息这两个问题,去噪效果更好,且在实验中无需设置眼电参考信号,操作简便,性能优越。(3)对经过去噪处理和叠加平均之后的脑电信号进行特征提取,融合小波分解和时域能量熵两种方法提取P300特征,选取最能表征P300电位的小波分解近似系数和第4-6段数据的能量熵值作为特征向量,降低数据的维数,减少运算量。选用支持向量机作为分类器对特征向量进行识别分类,结果表明,两种特征融合下的分类准确率较单特征时更高,证明本文所用的算法能有效提高分类器的识别准确率。
【关键词】：BCI P300电位 眼电伪迹 独立分量分析 小波分解
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7;R338
【目录】：

• 摘要8-9
• ABSTRACT9-11
• 第一章 绪论11-19
• 1.1 脑机接口概述11-14
• 1.2 脑机接口研究的背景及意义14-15
• 1.3 脑机接口技术的研究现状15-16
• 1.4 主要内容及章节安排16-19
• 第二章 脑电信号P300及采集19-25
• 2.1 事件相关电位ERP与P30019-21
• 2.1.1 事件相关电位ERP19-20
• 2.1.2 P300电位20
• 2.1.3 P300的应用及意义20-21
• 2.2 脑电信号P300的采集21-24
• 2.2.1 实验装置21-23
• 2.2.2 刺激范式23-24
• 2.3 本章小结24-25
• 第三章 基于ICA-EMD的眼电伪迹去噪算法25-45
• 3.1 眼电伪迹去噪方法25-28
• 3.1.1 回归方法25-26
• 3.1.2 自适应滤波方法26-27
• 3.1.3 小波变换27
• 3.1.4 盲源分离27-28
• 3.2 基于ICA的眼电伪迹去噪28-33
• 3.2.1 ICA原理28-30
• 3.2.2 基于ICA的眼电伪迹去噪30-33
• 3.3 基于ICA-EMD的眼电伪迹去噪33-42
• 3.3.1 基于峰度值的EOG伪迹成分自动识别33-34
• 3.3.2 EMD阈值去噪34-37
• 3.3.3 基于ICA-EMD的眼电伪迹去噪37-42
• 3.4 脑电信号预处理42-43
• 3.5 本章小结43-45
• 第四章 P300特征提取与分类45-59
• 4.1 P300特征提取算法概述45-46
• 4.2 基于小波变换的P300特征提取46-50
• 4.2.1 Mallat算法46-48
• 4.2.2 基于小波变换的特征提取方法48-50
• 4.3 基于时域能量熵的P300特征提取50-52
• 4.4 支持向量机52-54
• 4.5 基于SVM的P300分类54-57
• 4.5.1 单特征量下P300的分类正确率55-56
• 4.5.2 特征融合下P300的分类正确率56
• 4.5.3 不同导联下P300的分类正确率56-57
• 4.6 本章小结57-59
• 第五章 总结与展望59-61
• 5.1 总结59
• 5.2 展望59-61
• 参考文献61-67
• 致谢67-68
• 学位论文评阅答辩情况表68

【相似文献】

中国期刊全文数据库 前10条

1 薛蕴全,王秋英,王宏;脑电信号的动态时空响应拓扑图[J];仪器仪表学报;2001年S1期

2 马颖颖;张泾周;吴疆;;脑电信号处理方法[J];北京生物医学工程;2007年01期

3 谢松云;张振中;杨金孝;张坤;;脑电信号的若干处理方法研究与评价[J];计算机仿真;2007年02期

4 鲁强;刘玉军;徐建兰;张进禄;;一种适用于清醒动物脑电信号采集的固定装置[J];首都医科大学学报;2011年06期

5 董盟盟;仲轶;徐洁;戴体俊;刘功俭;;基于小波分析的脑电信号处理[J];电子设计工程;2012年24期

6 戴银涛,吴祈耀;快速提取脑电信号的谱分量参数[J];北京生物医学工程;1989年01期

7 孟欣，欧阳楷;脑电信号的几个非线性动力学分析方法[J];北京生物医学工程;1997年03期

8 程明,高上凯,张琳;基于脑电信号的脑—计算机接口[J];北京生物医学工程;2000年02期

9 罗建,崔亮,卫娜,张治钢;脑电信号采集与处理系统的研制[J];医疗卫生装备;2000年06期

10 吴小培,冯焕清,周荷琴,王涛;独立分量分析及其在脑电信号预处理中的应用[J];北京生物医学工程;2001年01期

中国重要会议论文全文数据库 前10条

1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

2 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年

3 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

4 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年

6 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

7 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

8 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

9 李丽君;黄思娟;吴效明;熊冬生;;基于运动想象的脑电信号特征提取与分类[A];中国仪器仪表学会医疗仪器分会2010两岸四地生物医学工程学术年会论文集[C];2010年

10 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年

中国重要报纸全文数据库 前1条

1 张文清　记者 王春;意念控制车速及左右转弯前行[N];科技日报;2008年

中国博士学位论文全文数据库 前10条

1 彭宏;普适化脑电信息感知关键问题的研究[D];兰州大学;2015年

2 吴玉鹏;AR谱在皮层痫样脑电信号分析应用[D];河北医科大学;2015年

3 吴畏;基于统计建模的多导联脑电信号时空建模方法研究[D];清华大学;2012年

4 孙宇舸;脑—机接口系统中脑电信号处理方法的研究[D];东北大学;2012年

5 周群;脑电信号同步：方法及应用研究[D];电子科技大学;2009年

6 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年

7 李春胜;脑电信号混沌特性的研究与应用[D];东北大学;2011年

8 欧阳高翔;癫痫脑电信号的非线性特征识别与分析[D];燕山大学;2010年

9 缪晓波;基于脑电信号的认知动力学系统研究——线性/非线性方法及动态时—频—空分析[D];重庆大学;2004年

10 张美云;阿尔茨海默病脑电信号多尺度时空定量特征研究[D];天津医科大学;2012年

中国硕士学位论文全文数据库 前10条

1 于洪;基于脑电信号的警觉度估计[D];上海交通大学;2007年

2 蒋洁;基于高性能计算的脑电信号分析[D];燕山大学;2010年

3 张志琴;脑电信号的复杂性分析[D];中南大学;2009年

4 许凤娟;脑电信号采集与分析系统的设计[D];长春理工大学;2011年

5 曹铭;意识障碍患者脑电信号的非线性动力学评价分析[D];杭州电子科技大学;2012年

6 刘静;基于加权排序熵的多通道脑电信号同步算法研究[D];燕山大学;2015年

7 陈泽涛;基于脑电信号分析的AD早期评估系统的设计与实现[D];燕山大学;2015年

8 王晓滨;LED光针灸对脑功能的影响研究[D];天津职业技术师范大学;2015年

9 徐朝阳;基于深度网络的脑电信号分类方法研究[D];中国海洋大学;2015年

10 刘巨娟;基于脑电信号识别的驾驶员-汽车混合控制系统设计[D];东北大学;2014年

  本文关键词：视觉诱发P300电位的去噪与提取算法研究，由笔耕文化传播整理发布。

，

本文编号：479076