基于多模特征的运动想象BCI空闲态检测

发布时间：2020-10-11 01:08

【摘要】：脑机-接口(Brain Computer Interface,BCI)系统作为一个“翻译器”,能直接解码人脑的意图,把解析出的命令直接发送给外部设备,实现人脑对外界设备的控制。运动想象脑机接口按照被试的控制方式可以分为同步和异步两种,其中异步BCI系统把控制权交给被试,能实现理想中的自由控制,提高了系统的体验感和舒适度。基于运动想象的异步系统因为其自发脑电,无害,方便,舒服等优点在残疾人运动功能辅助、中风以及脑瘫等病人康复方面具有潜在的应用价值。本文研究的对象就是运动想象-脑机接口(Motor Imagery-Brain Computer Interface,MI-BCI)异步系统,主要从以下两个方面展开。首先实现异步MI-BCI系统中最主要的难点就在于区别被试的任务状态信号和空闲状态信号。考虑到运动想象作为一种高级认知过程,需要多个脑区间的信息交互来完成,本文在传统共空间模式(Common Spatial Patterns,CSP)特征提取方法的基础上结合EEG功能脑网络信息,并利用F-score方法对两种模态的特征进行筛选,以实现对异步脑机接口中空闲态的检测。本文在四种不同时间间隔0.5s,1s,2s,2.5s情况下比较了CSP方法,网络属性方法和F-score筛选多模态特征方法的分类准确率和ITR表现,结果显示四种情况下F-score筛选多模态特征方法相比前两种方法均有显著提升。本文还进一步从任务态和空闲态的差异网络结果和F-score有效特征统计排序结果中分析出功能脑网络的连接信息对区分两态信号差异的有效性。从被试差异的角度来看本文提出的方法对于较差BCI表现被试具有更大的提升效果,从而具有更大的实用价值。所有结果可以说明本文提出的多模态特征方法对于空闲状态检测问题的有效性和实用性。此外,本文还进一步研究了利用深度学习进行跨被试空闲态检测的可能性。考虑到脑电数据的高维度时序特征,结构复杂性,本工作提取多个被试组成样本的CSP特征,功率谱特征作为DBN(Deep Belief Network)的输入,提出了包含两个隐层的深度结构,使用训练的该模型进行空闲态检测。结果表明在测试被试不需要进行额外训练的条件下,采用其他被试的已有信息,可以获得0.74的空闲态识别准确率,该结果,从一定程度上说明了,利用DBN学习到的复杂网络结构在跨被试上进行空闲态识别的有效性,为在线MI-BCI提供了一种可选方案。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN911.7;R318.04
【图文】：

第一章 绪 论机接口简介机接口（Brain-Computer Interface ,BCI）技术是一种建立从脑部到外通道的技术[1]。通过解码电极（包括侵入式电极和非侵入式电极）记，该系统能够让用户直接控制很多的外围设备而不需要自身肌肉组 BCI 系统具有能够把控制和实现分开的分布式系统的特性，BCI 有，复杂高危环境，影音娱乐，医疗康复领域带来新的体验。其巨大也伴随着更多的挑战。一个完整的 BCI 系统需要多种学科包括神经号检测，信号处理，模式分类识别和自动化控制等多门学科的共同发展在一定程度上能更好的反过来促进脑机制的研究和帮助我们改带来的困扰。脑机接口组成

在实验过程中,我们要求被试尤其注意靶刺激的数。在整个过程中，标准刺激很多，被试在对待定波形，而在小概率靶刺激到来时，在刺激 300实上，该现象的明显与否与刺激出现的概率有关到现实问题，该概率最好在 20%及以下，我们通间段的时域特征就能简单的区分该刺激从属于标于其易于检测的时域特征可以广泛用到在线 BCwell 和 Donchin 基于 P300 设计的 Speaker[12]。在靶行’和‘靶列’的确定，最终确定一个选项，利用 P300 电位的检测方法去实现。此外，Qian[13的可行方案。基于 P300 的系统优势显然，具有较号检测的准确度，但从另一方面来说，基于小概别速度和实时性都无法保证。被试更不能熟悉刺中注意力，由此会引起训练时的疲劳度，长久下

图 1-3 自联想神经网络（AANN）示意图很容易看出 AANN 由输入层，输出层，和特成映射层，瓶颈层和解映射层[55]，该网络完成： ( {1, 2,3, 4,5,6})i iX X i 到单层感知机无法解决非线性问题，krammer降维，并利用该结构实现了原始数据的重构。 AANN 进行传感器的校准。那么我们可以认达，如果把多层特征层级联，我们可以把这种深层表达，这一思想早就被 Hinton 等人拓展表达深度特征的这一思路，使深度学习在复杂武之地，也形成了具有很多隐含层的深度网络，目前还在继续向前发展。在生理信号处理应
【相似文献】

中国期刊全文数据库 前10条

1 张爱民,许小光,魏翔;CDMA手机空闲状态下脱网现象的分析与解决[J];移动通信;2004年12期

2 常宁;;UE空闲模式下邻区测量异常问题处理[J];科技信息;2012年22期

3 陈竹军;;EV-DO增强的空闲状态协议在QChat业务中的应用[J];移动通信;2011年08期

4 黄必鑫;;WCDMA网络3G终端空闲状态重选策略优化[J];电信工程技术与标准化;2012年06期

5 ;电脑办公巧节能[J];工会博览(社会版);2007年11期

6 李洋;谢国栋;官金安;;基于极限学习机的“模拟阅读”脑-机接口异步化研究[J];计算机与数字工程;2018年03期

7 周云龙;;和儿子“现在开讲”[J];生活教育;2011年11期

8 马雅飞;;谈GPRS网络的优化[J];石河子科技;2009年06期

9 张艳琳;让CPU物尽其用[J];电脑知识与技术;2005年22期

10 李昱璇;莫宏波;康亮;;空闲状态下信令缩减机制的研究[J];电信网技术;2010年08期

中国博士学位论文全文数据库 前1条

1 陈东;信息物理融合系统安全与隐私保护关键技术研究[D];东北大学;2014年

中国硕士学位论文全文数据库 前1条

1 李辉;基于多模特征的运动想象BCI空闲态检测[D];电子科技大学;2018年

本文编号：2835817