运动想象脑电处理及其模式识别方法研究

发布时间：2017-09-21 03:15

  本文关键词：运动想象脑电处理及其模式识别方法研究

  更多相关文章： 脑电信号 脑-机接口 运动想象 新型阈值函数 混合特征 最小支持二乘向量机

【摘要】：表面脑电信号(Electroencephalogram,EEG)是成千上万个神经元组织在大脑皮层电生理活动共同作用产生的生物电信号。科学研究表明,通过解读脑电信号可以获知人类的思维活动和意识认知。脑-机接口(Brain Computer Interface,BCI)则是脑电信号研究的一个重要应用方向,它是一种不依赖由大脑外周神经与肌肉组织等组成的正常输出通路的人机交互系统。目前,基于左、右手运动想象的两类信号识别研究已经比较完善,但是多维度运动想象脑电信号的研究存在识别率低、实时性差、易受干扰等问题。因此对多维度运动想象脑电信号研究是一个热点,对其完成处理和有效识别是一个挑战。本文从脑电的研究背景与现状出发,对左手、右手、右脚、舌头4类运动想象脑电信号的处理与识别展开了深入研究,所用分析信号是C3、C4、Cz与CP4四导联脑电信号。基于实验状态监测的需要,增加了O1/O2导联脑电信号完成状态切换,实现了对虚拟场景小车的前进、后退、左转、右转、启停控制。以下是论文的主要内容及其创新之处:(1)针对脑电信号在采集过程中夹带多种干扰信号的情况,例如眼电信号、肌电信号、心电信号、工频噪声等,进行了消噪方法的研究。提出了一种基于对偶树复小波变换的新型阈值消噪方法,仿真结果表明了该算法的优越性。(2)现有成果揭示了不同测试者做同一运动想象产生的脑电信号存在强度不一致的现象;同一测试者在执行同一运动想象时也同样会发生脑电信号强度不一致的状况,针对这两种情况提出了基于?与?节律的归一化能量特征提取处理方法,仿真结果证明了该方法的效果明显好于未归一化特征提取。又根据运动想象脑电信号的ERS/ERD现象提出了基于?与?节律的改进样本熵特征,并将能量谱和改进样本熵两个特征组合成一个新的特征。新特征不仅很好地提升了分类的正确率,且降低了计算的复杂度。(3)针对运动想象脑电信号传统模式识别方法中存在的识别正确率较低与计算效率不高的问题,引入用交叉检验和Leave-One-Out(LOO)误差校正方法对最小支持二乘向量机分类算法进行优化,提高了识别率,降低了计算复杂度。运用上述混合特征的情况下,平均识别率达到70.96%,平均计算时间与网格-支持向量机法相比降低了0.45秒。(4)设计了一个虚拟控制的BCI在线平台验证运动想象脑电信号识别的结果。对左手、右手、右脚、舌头4类运动想象脑电信号进行处理识别,将识别出的结果转化为控制信号,传输到虚拟现实场景,实现左转、右转、前进、后退虚拟动作的控制操作,并采用O1/O2通道睁眼/闭眼进行实验工作/休眠状态的切换。在线同步实验结果识别率达到了67%,基于脑电信号的4类运动想象在线异步控制识别的结果也有一定改善。
【关键词】：脑电信号 脑-机接口 运动想象 新型阈值函数 混合特征 最小支持二乘向量机
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R318;TP391.4
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 绪论12-21
• 1.1 研究背景12-13
• 1.2 BCI技术概述13-18
• 1.2.1 BCI研究意义13
• 1.2.2 BCI的应用13-14
• 1.2.3 各种BCI应用系统14-16
• 1.2.4 非植入式BCI脑电信号源16
• 1.2.5 国内外研究现状分析16-18
• 1.3 BCI技术研究面临的问题18-19
• 1.3.1 脑电信号的识别率与计算复杂度19
• 1.3.2 脑电采集导联数和便利性19
• 1.3.3 BCI系统实时性分析19
• 1.4 研究内容与论文架构19-20
• 1.4.1 研究内容19
• 1.4.2 论文架构19-20
• 1.5 本章小结20-21
• 第二章 脑电信号的采集21-29
• 2.1 脑电信号产生原理及特点介绍21-23
• 2.1.1 脑电信号产生原理21-22
• 2.1.2 人脑的结构与功能区域划分22
• 2.1.3 人脑思维活动与脑电信号22-23
• 2.1.4 脑电信号的特点23
• 2.2 脑电采集系统简介23-26
• 2.3 运动想象脑电采集实验范式26-27
• 2.4 本章小结27-29
• 第三章 脑电信号的消噪处理29-39
• 3.1 常见的脑电信号消噪方法简介29-33
• 3.1.1 常用小波消噪方法29-30
• 3.1.2 一维离散小波变换30
• 3.1.3 对偶树复小波变换30-33
• 3.2 一种新型的小波消噪阈值函数33-37
• 3.2.1 软硬阈值函数33-34
• 3.2.2 新型阈值函数34-35
• 3.2.3 阈值函数消噪效果比较35-36
• 3.2.4 仿真结果36-37
• 3.3 基于新型阈值函数法的对偶树复小波消噪37-38
• 3.3.1 基于新型阈值函数法的对偶树复小波消噪实验过程37
• 3.3.2 对偶树复小波变换与离散小波变换仿真实验37-38
• 3.3.3 仿真结果38
• 3.4 本章小结38-39
• 第四章 脑电信号特征提取39-46
• 4.1 脑电信号特征提取方法介绍39-40
• 4.2 基于节律频段的平均归一化能量谱脑电特征提取40-41
• 4.2.1 基于α与β频段的能量特征提取流程40
• 4.2.2 归一化处理40-41
• 4.2.3 基于α与β 频段的能量特征提取41
• 4.2.4 特征向量选取41
• 4.3 基于α与β节律的改进样本熵的脑电信号特征提取41-45
• 4.3.1 样本熵的具体算法42-43
• 4.3.2 基于α与β节律的改进样本熵特征提取流程43-45
• 4.4 基于α与β节律的归一化能量谱与改进样本熵的混合特征45
• 4.5 本章小结45-46
• 第五章 运动想象脑电信号模式识别46-57
• 5.1 模式识别方法简介46-47
• 5.2 SVM与LS-SVM47-51
• 5.2.1 SVM方法47-50
• 5.2.2 LS-SVM方法50-51
• 5.3 基于交叉检验与LOO误差法的参数优化51-53
• 5.3.1 n -折交叉检验51-52
• 5.3.2 网格法52
• 5.3.3 LOO误差上界法52-53
• 5.4 运动想象脑电的识别实验53-56
• 5.4.1 分类性能比较实验53-55
• 5.4.2 基于不同特征向量的LOO误差上界-LS-SVM分类实验55-56
• 5.5 本章小结56-57
• 第六章 基于运动想象脑电的在线控制验证性实验57-65
• 6.1 多类运动想象脑电在线控制BCI系统57-60
• 6.1.1 离线与在线BCI系统控制框图57-58
• 6.1.2 基于O1/O2导联的状态监测识别方法58-60
• 6.2 在线同步实时控制实验及结果分析60-62
• 6.2.1 实验准备与说明60
• 6.2.2 实验结果分析60-62
• 6.3 在线异步实时控制实验及结果分析62-64
• 6.3.1 实验准备与说明62-64
• 6.3.2 实验结果分析64
• 6.4 本章小结64-65
• 第七章 总结与展望65-67
• 7.1 工作总结65
• 7.2 研究展望65-67
• 致谢67-68
• 参考文献68-75
• 附录75

【相似文献】

中国期刊全文数据库 前3条

1 阳宏;夏斌;谢宏;王聪;肖殿云;;一种用于实现多命令输出的运动想象分组策略[J];广西师范大学学报(自然科学版);2011年03期

2 刘燕;穆振东;;运动想象机制研究[J];科技广场;2011年01期

3 ;[J];;年期

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：892043