运动想象BCI导联优化与训练样本质量评估方法研究

发布时间：2023-03-29 02:54

　　非植入式脑-机接口(Brain-Computer Interface,BCI)通过采集和解码人体生物电信号并转换成外部设备控制命令,可以为思维功能正常但运动功能障碍的人群提供与外部设备直接交流的新方式,且不依赖于传统的肌肉神经传输系统。脑电信号(Electroencephalography,EEG)由于采集相对方便、安全面被广泛应用于BCI系统中。然而在EEG信号采集过程中,不可避免的会出现伪迹或环境噪声干扰,且由于容体积传导,EEG的空间分辨率和信噪比低。独立分量分析(Independent Component Analysis,ICA)作为一种有效的空域滤波方法,被广泛的应用于BCI的消噪和特征提取中,可以提高EEG信号的信噪比。但是基于ICA的运动想象BCI系统(ICA-based Motor Imagery BCI,ICA-MIBCI)对导联分布和训练样本质量比较敏感,这将影响对运动想象EEG信号(Motor Imagery EEG,MIEEG)的有效分类。为了降低导联分布和数据质量对BCI系统的影响,提高系统性能,论文研究了基于独立分量分析的运动想象BCI系统导联优化算法和训...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 脑-机接口系统的概述
        1.1.1 脑-机接口的研究背景和意义
        1.1.2 脑-机接口的组成
    1.2 脑-机接口的发展历程和现状
    1.3 运动想象脑-机接口面临的问题
    1.4 研究内容与章节安排
第二章 运动想象BCI的研究基础
    2.1 脑电信号相关理论
        2.1.1 脑电信号的产生
        2.1.2 脑电信号的特点
        2.1.3 EEG信号的分类
    2.2 ERD/ERS现象
    2.3 运动想象脑电信号的分析方法
    2.4 本章小结
第三章 ICA方法在BCI中的应用
    3.1 盲源分离基本理论
    3.2 ICA方法概述
        3.2.1 线性瞬时混合ICA的基本模型
        3.2.2 ICA的前提与假设
        3.2.3 ICA存在的问题
    3.3 基于Informax的ICA算法
        3.3.1 Informax算法
        3.3.2 扩展Informax算法
    3.4 ICA在信号处理中的应用
    3.5 本章小结
第四章 运动想象BCI导联优化方法
    4.1 运动想象脑电信号采集实验范式
        4.1.1 自主MIEEG实验范式
        4.1.2 BCI2005的MIEEG实验范式
        4.1.3 自主MIEEG公开数据库
    4.2 基于ICA-MIBCI导联优化方法
        4.2.1 基于单次实验样本的ICA-MIBCI
        4.2.2 高质量训练数据的选择
        4.2.3 最优导联组合的选择
    4.3 实验结果分析
        4.3.1 自主MIEEG公共数据集实验结果
        4.3.2 Dataset Ⅲa自主MI-EEG公共数据集实验结果
        4.3.3 最优导联分布
    4.4 本章小结
第五章 脑电信号质量评估方法
    5.1 研究现状
    5.2 影响脑电信号质量的因素
        5.2.1 来自生理上的干扰
        5.2.2 来自外部的干扰
    5.3 识别率矩阵图
    5.4 EEG信号质量评估
        5.4.1 EEG信号质量人工标记
        5.4.2 阈值的选择
    5.5 实验结果分析
    5.6 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
附图
附表
致谢
攻读硕士学位期间取得的学术成果



本文编号：3773843