单次运动想象脑电信号的特征提取与意图识别

发布时间：2021-02-21 19:21

　　由于在康复医疗等行业的突出贡献,脑-机接口（Brain Computer Interface,BCI）已经成为国际智能科学领域的一个研究热点。基于单次运动想象脑电信号的BCI系统是将不同运动的脑想象产生的脑电（Electroencephalogram,EEG）信号作为输入,通过分析生成判断运动状态的控制信号。对于EEG信号的模式识别是整个系统设计中的重点。本文以单次运动想象脑电信号的意图识别为基础,研究分析了动想象EEG信号的采集、去噪、特征提取、分类的过程。（1）针对自发的脑电诱发范式缺少监督,长期单调的任务容易造成受试者注意力下降等问题,文章提出了一种具有运动反馈的脑电诱发范式——“碗球”实验。在脑电意图想象的基础上添加动态反馈控制,以研究约束操作对象任务中的脑电意图识别。（2）EEG信号中包含丰富的时间空间信息,为了滤除其中的噪声伪迹,本文对最大分量分析法和独立成分分析法在去除脑电信号所包含伪迹的分离性能以及处理的实时性进行对比。结果表明,两种方法对噪声信号均具有分离效果,且都可以保证实时性,但最大分量分析法比独立成分分析法具有分离效果更好,相关性指标更高,分离相似度高,相似度值... 

【文章来源】：燕山大学河北省

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 脑-机接口技术概述
        1.2.1 脑-机接口的基本概念和研究意义
        1.2.2 脑-机接口的基本组成
        1.2.3 脑-机接口研究中的脑神经信号
    1.3 基于运动想象BCI的国内外研究现状和发展
        1.3.1 国外研究现状
        1.3.2 国内研究现状
    1.4 本文的主要研究内容及组织结构
第2章 运动想象脑电数据
    2.1 脑电信号的基本理论
        2.1.1 脑电信号产生的机制
        2.1.2 脑电信号的分类
        2.1.3 脑电信号的特点
    2.2 脑电信号的采集
    2.3 运动想象脑电信号
    2.4 “碗球”实验
        2.4.1 设计思想
        2.4.2 数学建模
        2.4.3 数据采集
        2.4.4 数据截取
    2.5 本章小结
第3章 基于子成分分解的脑电信号去噪方法比较研究
    3.1 基于子成分分解的算法原理
        3.1.1 最大分量分析方法
        3.1.2 独立分量分析
    3.2 结果分析
        3.2.1 分离结果
        3.2.2 分离性能评价
    3.3 本章小结
第4章 基于相位波动尺度分析的EEG特征提取
    4.1 算法流程
    4.2 相位特征分析
    4.3 尺度分析
    4.4 本章小结
第5章 运动想象脑电信号特征识别
    5.1 分类器算法原理
    5.2 结果分析
        5.2.1 BCI竞争数据集
        5.2.2 “碗球”实验数据集
    5.3 其他分类方法
    5.4 结果讨论
    5.5 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
期刊论文
[1]基于可调Q因子小波变换的识别左右手运动想象脑电模式研究[J]. 陈万忠,王晓旭,张涛.  电子与信息学报. 2019(03)
[2]有约束复杂随动被控对象理论分析与模型建立[J]. 付荣荣,田永胜,侯培国,鲍甜恬.  高技术通讯. 2018(Z2)
[3]脑机接口技术在创伤性脑损伤神经功能修复中的应用研究进展[J]. 马珂,徐会友,江继鹏,段峰,牛学刚,张赛,陈旭义,涂悦.  中华创伤杂志. 2018 (08)
[4]脑机接口技术的神经康复与新型应用[J]. 明东,安兴伟,王仲朋,万柏坤.  科技导报. 2018(12)
[5]稳态视觉诱发电位频率响应特性研究[J]. 陈小刚,徐圣普.  北京生物医学工程. 2018(03)
[6]脑机接口技术综述[J]. 贺文韬.  数字通信世界. 2018(01)
[7]基于子空间分解的脑电信号眼电伪迹自动去除方法研究[J]. 付荣荣,侯培国,时培明,孟宗.  计量学报. 2017(06)
[8]基于多类运动想象任务的EEG信号分类研究[J]. 马满振,郭理彬,苏奎峰.  计算机测量与控制. 2017(10)
[9]基于总体经验模态分解的多类特征的运动想象脑电识别方法研究[J]. 杨默涵,陈万忠,李明阳.  自动化学报. 2017(05)
[10]多类运动想象脑电信号的两级特征提取方法[J]. 孟明,朱俊青,佘青山,马玉良,罗志增.  自动化学报. 2016(12)



本文编号：3044800