基于运动想象的脑—机接口的算法研究

发布时间：2017-08-09 21:12

  本文关键词：基于运动想象的脑—机接口的算法研究

  更多相关文章： 脑-机接口 运动想象 特征提取 模式识别 支持向量机

【摘要】：随着四届国际脑机接口比赛的展开,脑-机接口(Brain Computer Interface,BCI)技术的研究达到了前所未有的阶段。而在近几年,现实中不断出现的脑-机接口系统也给全人类的生活拉开了一个新的领域。而在BCI技术中,核心问题是脑电信号的处理,快速、准确、有效的信号处理支撑了整个BCI系统的核心。本文即是从脑电信号的处理入手进行实验研究,采用第三届国际脑-机接口数据竞赛(BCI Competition III)中的数据集IVa-“小样本学习想象运动脑电数据集”作为实验数据。从设定实验方案出发,给出运动想象脑电信号分类识别的最佳实验方案,并重点对脑电信号(electroencephalogram,EEG)预处理、特征选择、特征提取和模式识别进行研究。在信号预处理过程中,选取Butterworth、Chebyshev I、Chebyshev II、Elliptic四种滤波器进行对比,确定最佳滤波器;在特征选择过程中从基于互信息的特征选择算法上提出相关系数的特征选择算法,并将其跟互信息特征选择算法进行对比试验,选取实验过程中所需参数问题,并对比两种特征选择算法性能的优略;在特征提取过程中对比自回归模型谱估计法(auto-regressive,AR)和共空间模型(Common Spatial Pattern,CSP)特征提取算法;最终使用基于Fisher准则的LDA分类算法和支持向量机(SVM)进行分类识别。最后对各类算法组合进行实验结果分析,选出分类效果最佳的算法组合即Buterworth滤波、相关系数特征选择、CSP特征提取和SVM分类器,并将此组合仿真实验最终得到的识别结果与BCI Competition III IVa中提交的实验结果进行对比,确认了本文实验中所得结果在对比排名中仅次于比赛中第一名的实验结果,从而确定论文中所选取的算法组合准确有效,适用于运动想象脑电信号的研究工作。
【关键词】：脑-机接口 运动想象 特征提取 模式识别 支持向量机
【学位授予单位】：西南科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R318;TN911.7
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-19
• 1.1 脑-机接口的概念与研究意义9-10
• 1.2 BCI的研究现状10-15
• 1.2.1 视觉诱发电位脑 -机接口11
• 1.2.2 慢皮层电位脑-机接口11-12
• 1.2.3 事件相关P300电位脑机接口12
• 1.2.4 基于自发的mu和beta节律的脑机接口12-13
• 1.2.5 基于想象运动的脑机接口13-14
• 1.2.6 外骨骼机器衣和“神工一号”14-15
• 1.3 脑机接口系统的组成与分类15-17
• 1.3.1 脑机接口系统的组成15-16
• 1.3.2 脑机接口系统的分类16-17
• 1.4 BCI技术尚待解决的主要问题17-18
• 1.5 论文结构安排18-19
• 2 基于运动想象的BCI系统19-26
• 2.1 运动想象脑电信号19-22
• 2.1.1 运动想象脑电信号的产生与特点19-20
• 2.1.2 脑电信号的节律波20
• 2.1.3 ERD/ERS现象20-22
• 2.2 BCI Competition 2005 数据集Iva22-24
• 2.3 脑电信号分类识别的实验方案设计24-25
• 2.4 分类识别系统的评价标准25
• 2.5 本章小结25-26
• 3 运动想象脑电信号的预处理和特征选择26-40
• 3.1 预处理26-33
• 3.1.1 Butterworth滤波器26-27
• 3.1.2 Elliptic滤波器27-28
• 3.1.3 Chebyshev I和II滤波器28-30
• 3.1.4 滤波器结果对比30-33
• 3.2 特征选择33-39
• 3.2.1 基于互信息的特征选择算法34-36
• 3.2.2 基于相关系数的特征选择算法36-39
• 3.3 本章小结39-40
• 4 运动想象脑电信号的特征提取与模式识别40-56
• 4.1 特征提取40-47
• 4.1.1 自回归模型谱估计法（ auto-regressive，AR）40-44
• 4.1.2 共空间模型特征提取算法（ Common Spatial Pattern,CSP）44-47
• 4.2 模式识别47-55
• 4.2.1 基于Fisher准则的LDA分类算法47-51
• 4.2.2 SVM分类算法51-55
• 4.3 本章小结55-56
• 5 实验结果与分析56-70
• 5.1 脑电信号的预处理与特征选择结果分析56-58
• 5.1.1 实验方案设计56-57
• 5.1.2 特征选择结果分析57-58
• 5.2 分类结果与分析58-69
• 5.2.1 特征选择算法分类结果分析59-65
• 5.2.2 特征提取算法分类结果分析65-67
• 5.2.3 模式识别算法分类结果分析67-68
• 5.2.4 对比BCI Competition 2005 获奖结果68-69
• 5.3 本章小结69-70
• 结论70-72
• 致谢72-73
• 参考文献73-77
• 攻读硕士期间发表的相关学术论文及研究成果77

【相似文献】

中国期刊全文数据库 前10条

1 华东;;减重训练联合运动想象疗法对偏瘫步行的影响[J];中国中医急症;2008年12期

2 顾丽燕;尤桂杰;赵娜娜;;运动想象疗法在临床中的应用[J];中外医疗;2010年34期

3 刘丽;尹姣;黄菲;李春静;赵思宇;张会君;;脑卒中偏瘫患者运动想象能力的影响因素[J];中国老年学杂志;2012年04期

4 谢财忠;唐军凯;;运动想象疗法与脑卒中偏瘫康复[J];医学研究生学报;2012年11期

5 徐宝国;宋爱国;;单次运动想象脑电的特征提取和分类[J];东南大学学报(自然科学版);2007年04期

6 闫彦宁;赵斌;贾子善;黄力平;槐雅萍;;运动想象应用于脑卒中偏瘫康复的研究进展[J];中国康复;2008年01期

7 朱琳;贾晓红;刘霖;王世云;杨胜荣;宋为群;;运动想象对卒中后偏瘫患者手功能康复的疗效观察[J];中国脑血管病杂志;2009年09期

8 高晴;陈华富;;基于动态因果模型的运动执行和运动想象脑网络研究[J];电子科技大学学报;2010年03期

9 高晓艳;谷艳;夏彩秋;周萍萍;杨青兰;王代誉;;运动想象结合运动再学习疗法对脑卒中患者肢体功能和生存质量的影响[J];中国伤残医学;2011年05期

10 顾丽燕;姚丽华;尤桂杰;赵娜娜;梁丹丹;;近红外光谱技术用于运动和运动想象时大脑皮质血氧反应监测的研究[J];中国康复医学杂志;2011年08期

中国重要会议论文全文数据库 前10条

1 杨远滨;王芗斌;;浅谈中医意念与运动想象的比较[A];中国医师协会第二届康复医学论坛、中国康复医学会第四届青年学术会议、北京康复医学会第三届会员代表大会论文集[C];2005年

2 贾子善;;运动想像的理论与应用[A];2008年浙江省物理医学与康复学术年会暨中枢神经功能损伤康复新进展学习班论文汇编[C];2008年

3 张爽;周鹏;熊屹;王明时;;运动想象脑电模式的动态分类[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

4 诸强;谢琳;;基于小波分析的运动想象脑电模式特征提取与分类[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

5 孔万增;张艳娜;胡三清;戴国骏;张建海;魏大名;;基于运动想象的中风患者肢体康复实时控制系统[A];第一届全国神经动力学学术会议程序手册 & 论文摘要集[C];2012年

6 徐海鹰;;运动想象疗法结合运动再学习方案在脑卒中早期患者上肢功能的应用[A];中国康复医学会运动疗法分会第十一届全国康复学术大会学术会议论文摘要汇编[C];2011年

7 李泽云;王昭君;林金生;卢攀;;运动想象联合强制性运动疗法治疗脑卒中偏瘫60例临床观察[A];中国康复医学会脑血管病专业委员会换届暨第十五次全国脑血管病康复学术年会、湖南省康复医学会神经康复专业委员会2012学术年会论文集[C];2012年

8 王艳;唐强;白震民;李娟;;头穴丛刺与被动运动和运动想象结合对早期脑卒中患者运动功能的影响[A];中国康复医学会第五届全国康复治疗学术会议论文集[C];2006年

9 刘佳;邓景贵;陶希;宋红;;运动想象疗法对老年卒中偏瘫患者肢体功能恢复的影响研究[A];中国康复医学会脑血管病专业委员会换届暨第十五次全国脑血管病康复学术年会、湖南省康复医学会神经康复专业委员会2012学术年会论文集[C];2012年

10 吴华;顾旭东;时美芳;吴彩虹;朱美红;金妹;杨京辉;;虚拟现实技术结合运动想象疗法对脑卒中患者上肢功能恢复的影响[A];2013浙江省物理医学与康复学学术年会暨第八届浙江省康复医学发展论坛论文集[C];2013年

中国博士学位论文全文数据库 前9条

1 张锐;运动想象脑—机接口的神经机制与识别算法研究[D];电子科技大学;2015年

2 王莉;应用脑功能成像技术研究脑卒中运动想象疗法神经康复机制[D];重庆大学;2015年

3 单海军;基于运动想象的脑机接口通道选择算法研究[D];浙江大学;2015年

4 魏庆国;基于运动想象的脑—机接口分类算法的研究[D];清华大学;2006年

5 徐舫舟;基于运动想象的脑机接口相关算法研究[D];山东大学;2014年

6 闫静;基于脑电的脑卒中患者运动想象认知过程的研究[D];上海交通大学;2012年

7 方永慧;基于运动想象脑电信号非线性特性分析的脑—机接口研究[D];重庆大学;2014年

8 周鹏;基于运动想象的脑机接口的研究[D];天津大学;2007年

9 孙莉敏;运动想象训练促进脑卒中患者功能恢复的功能磁共振（fMRI）研究[D];复旦大学;2013年

中国硕士学位论文全文数据库 前10条

1 牛小辰;康复运动中的脑肌电特征分析[D];燕山大学;2015年

2 谢立娟;针灸合并运动想象疗法在脑卒中偏瘫患者康复护理中的应用[D];河北医科大学;2015年

3 孙会文;基于运动想象脑电的脑机交互模式识别方法研究[D];昆明理工大学;2015年

4 戴若梦;基于深度学习的运动想象脑电分类[D];北京理工大学;2015年

5 郭兰锦;基于结构MRI的运动想象BCI机制研究[D];电子科技大学;2014年

6 翟红利;基于运动想象的脑机接口的数学模型与算法研究[D];长沙理工大学;2014年

7 丛壮;运动想象结合音乐疗法在卒中偏瘫患者上肢康复中的应用[D];辽宁医学院;2015年

8 康莎莎;多类运动想象脑电信号的识别及其在BCI中的应用[D];安徽大学;2016年

9 何青松;基于想象左右手运动思维脑电识别分类研究[D];北京交通大学;2016年

10 刘传伟;运动想象脑电的特征提取和模式分类算法研究及在线验证[D];昆明理工大学;2016年

，

本文编号：647338