基于小波包分解与近似熵的特征提取方法研究及在脑机接口中的应用

发布时间：2023-06-03 08:49

　　脑机接口(brain-computer interface,BCI)技术是在大脑与外部软硬件设备之间建立的一种沟通和控制通道,该通道可使用户使用脑信号与外界进行交流沟通或控制外部设备,不需要借助语言或肢体活动,为患者开辟了一条与外界交流的通道,是一种新兴的人机交互方式,也是未来人工智能发展的基础。在脑机接口系统中,特征提取是最重要的环节,影响着整个系统的分类性能。传统特征提取方法有从时域,频域,时频联合,空域等对脑电信号分析。由于脑电信号(EEG)是一种产生机理相当复杂且非常微弱的随机信号,还容易被肌电信号(EMG)、眼电信号(EOG)等外界因素的干扰,都会影响系统的分类正确率。为提高运动想象脑机接口的分类正确率,本文用结合小波包分解与近似熵的方法对脑电信号进行特征提取。该方法利用小波包对脑电信号全频段进行分解,用近似熵函数对分解后的结点提取分类特征,然后用稀疏表示对特征向量进行降维,最后使用功率差方法进行分类。实验中选择不同的通道数是为了寻找有效信道,使这些信道可以准确的反映各种运动想象任务或肢体运动特征,并可减少噪声及不相关信道的干扰,以减少算法复杂度并减轻通信系统负担,提高脑机接...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题研究背景
    1.2 脑机接口技术简介
        1.2.1 脑机接口基本原理
        1.2.2 脑机接口的基本结构
        1.2.3 脑机接口的类型
        1.2.4 脑机接口系统评价标准
    1.3 脑机接口的研究现状
    1.4 存在的问题
    1.5 脑机接口的应用
    1.6 本文的主要内容
第2章 脑电信号
    2.1 脑电信号的采集
    2.2 脑电信号的分类
    2.3 脑电信号的分析
        2.3.1 脑电信号的特点
        2.3.2 脑电信号的主要分析方法
第3章 脑电信号的特征提取及分类方法
    3.1 小波变换
        3.1.1 小波变换的定义
        3.1.2 小波包分解
    3.2 共空域滤波
    3.3 分类器的设计
第4章 小波包分解与近似熵相结合的算法的应用
    4.1 BCI实验
    4.2 实验算法设计
        4.2.1 近似熵
        4.2.2 稀疏表示及功率差分类
        4.2.3 10×5 倍交叉验证策略
        4.2.4 实验过程描述
    4.3 实验结果及分析
第5章 总结与展望
    5.1 本文工作总结
    5.2 未来工作展望
致谢
参考文献
攻读学位期间的研究成果



本文编号：3829019