基于左右手运动想象脑电特征提取与识别研究
发布时间：2021-09-24 22:15
基于脑电（EEG,Electroencephalogram）的脑-机接口（BCI,Brain-computer interface）作为一门新兴多学科交叉性技术,以一股势如破竹之势成功与脑科学研究、神经医学以及人工智能等众多强大领域接轨。其中对于运动想象（MI,Motor-Imagery）脑电信号的探索始终是BCI这一快速发展领域的重点钻研目标。鉴于有些残疾人虽然有着脊髓或部分神经遭损坏的情况,但是还保留着完整的中枢神经系统,这样就能够考虑借助BCI系统凭着自我运动想象思维达到与外部环境直接沟通的目的。于是该技术对脑电的研究具有重要的实际意义和社会价值,对MI EEG信号的推敲更为大势所趋。BCI运动想象研究中,EEG信号的非线性非平稳、易受干扰的本质一直是分析和处理信号所要考虑的因素。本文从克服低信噪比和刻画并保留非线性特征的角度出发,对MI EEG信号的研究分别进行了两方面的改进与优化。本课题具体研究内容如下:（1）为了提高对非平稳非线性信号的去噪能力,初次将EEMD阈值法与平移不变算法（TI,Translation Invariant）相融合,提出一种TI-EEMD自适应阈值的E...
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
脑-机接口的基本构成
始信号为 s(t)，n(t)为服从 N(0，σ2)的高斯白噪声，则加入噪声后的带f (t ) s(t) n(t)式(3-1)得到的带噪信号 f(t)进行离散小波变换，得到小波系数 wf(j,组成：wjkwjkwjkjJkNfsn( ,) (,) (,), 0,1,2,...,; 0,1,2,...,wf(j,k)是带噪信号 f(t)在第 j 层上的小波系数值；ws(j,k)是原始信号 系数值；wn(j,k)是高斯白噪声信号 n(t)在第 j 层上的小波系数值；J 代大值；N 代表信号长度。记 wf(j,k)为 wj,k，然后选择合适的阈值λ得到阈值处理后的小波系数值jkw, ，且尽可能使得jkw, 与 ws(j,k)接近获得降噪信号 s (t)。阈值去噪的整个过程如图 3-1。
太原理工大学硕士研究生学位论文 jkjjjjkjjkjkwwsignww 0,||,1)||exp(()||,,,,解层数，j 表示所给定的阈值，jw值处理后第 j 层尺度上小波系数值。数 j 的变化自适应地进行调节。当 |于j 时，jkw, 逐渐趋于 0 或j 。由的绝对值满足 ||j,kw 时，阈值函数高
本文编号：3408532
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
脑-机接口的基本构成
始信号为 s(t)，n(t)为服从 N(0，σ2)的高斯白噪声，则加入噪声后的带f (t ) s(t) n(t)式(3-1)得到的带噪信号 f(t)进行离散小波变换，得到小波系数 wf(j,组成：wjkwjkwjkjJkNfsn( ,) (,) (,), 0,1,2,...,; 0,1,2,...,wf(j,k)是带噪信号 f(t)在第 j 层上的小波系数值；ws(j,k)是原始信号 系数值；wn(j,k)是高斯白噪声信号 n(t)在第 j 层上的小波系数值；J 代大值；N 代表信号长度。记 wf(j,k)为 wj,k，然后选择合适的阈值λ得到阈值处理后的小波系数值jkw, ，且尽可能使得jkw, 与 ws(j,k)接近获得降噪信号 s (t)。阈值去噪的整个过程如图 3-1。
太原理工大学硕士研究生学位论文 jkjjjjkjjkjkwwsignww 0,||,1)||exp(()||,,,,解层数，j 表示所给定的阈值，jw值处理后第 j 层尺度上小波系数值。数 j 的变化自适应地进行调节。当 |于j 时，jkw, 逐渐趋于 0 或j 。由的绝对值满足 ||j,kw 时，阈值函数高
本文编号：3408532
本文链接：https://www.wllwen.com/yixuelunwen/swyx/3408532.html
