本文關(guān)鍵詞：模擬閱讀腦—機(jī)接口信號(hào)處理與分類　出處：《中南民族大學(xué)》2012年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 腦-機(jī)接口 腦電信號(hào) 共同空間模式 支持向量機(jī)

【摘要】：腦-機(jī)接口技術(shù)是一種不依賴于外周神經(jīng)和肌肉組織等大腦的正常的輸出通道的通信系統(tǒng)。它為那些神經(jīng)或肌肉組織受損而不能使用正常通信手段的患者，提供了一種直接從大腦獲取與外界進(jìn)行通信交流的信息，從而實(shí)現(xiàn)對(duì)計(jì)算機(jī)等外部設(shè)備的控制，提高了患者的生活質(zhì)量。此外，腦-機(jī)接口技術(shù)在人機(jī)自動(dòng)控制、軍事領(lǐng)域等領(lǐng)域也有潛在的研究?jī)r(jià)值。 腦-機(jī)接口系統(tǒng)中的核心問題是一種翻譯算法，如何把來自使用者的電生理信號(hào)（比如腦電信號(hào)）轉(zhuǎn)換成輸出控制信號(hào)，從而控制外部設(shè)備。本論文通過查閱文獻(xiàn)并總結(jié)國際上腦-機(jī)接口研究的現(xiàn)狀，以及腦電信號(hào)處理的各種方法，從以下幾點(diǎn)進(jìn)行研究。 ⑴腦電信號(hào)采集的實(shí)驗(yàn)?zāi)Ｊ郊邦A(yù)處理。 文中采用的實(shí)驗(yàn)?zāi)Ｊ绞怯芍心厦褡宕髮W(xué)生物醫(yī)學(xué)工程實(shí)驗(yàn)室設(shè)計(jì)的基于模擬閱讀誘發(fā)腦電采集模式。該模式的受試者像平常閱讀那樣在不帶突變的物理刺激的靶標(biāo)符號(hào)中獲取視覺信息。又因?yàn)槟X電信號(hào)很微弱并且極容易受到各種干擾很熱噪聲的影響，所以文中利用模擬閱讀的實(shí)驗(yàn)?zāi)Ｊ胶芎玫亟档土搜蹌?dòng)偽跡干擾的污染，利用低通濾波、下采樣等處理進(jìn)一步濾除污染腦電信號(hào)的干擾和噪聲。實(shí)驗(yàn)表明效果理想。 ⑵腦電信號(hào)特征量的提取。 有效的提取大腦思維活動(dòng)中意識(shí)信息是腦-機(jī)接口技術(shù)研究的關(guān)鍵技術(shù)之一，是正確識(shí)別不同意識(shí)模式的基礎(chǔ)。文中在參考眾多腦電信號(hào)特征提取方法研究的基礎(chǔ)上采用共同空間模式（Common Spatial Pattern，CSP）方法對(duì)預(yù)處理后的腦電信號(hào)進(jìn)行特征提取，該方法的目標(biāo)是設(shè)計(jì)空間濾波器，目的是在高維空間中給出兩個(gè)分類，找到一個(gè)最大化的第一類方差，同時(shí)最小化第二類方差。實(shí)驗(yàn)表明利用此方法提取的腦電信號(hào)特征對(duì)后續(xù)的分類識(shí)別有明顯的效果。 ⑶腦電信號(hào)分類器的設(shè)計(jì)。 分類器的設(shè)計(jì)是腦-機(jī)接口系統(tǒng)中另一個(gè)重要環(huán)節(jié)，分類器的性能直接影響著腦-機(jī)接口系統(tǒng)的性能。文中利用支持向量機(jī)（Support Vector Machine，SVM）方法對(duì)腦電信號(hào)進(jìn)行分類識(shí)別，該算法是以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)，經(jīng)驗(yàn)最小化原則為前提尋求既能準(zhǔn)確將兩類樣本數(shù)據(jù)分開，又能使類間的分類間隔最大化的最優(yōu)分類面。實(shí)驗(yàn)分類結(jié)果表明該方法腦電信號(hào)的分類識(shí)別有很好的效果。 最后文中對(duì)基于模擬閱讀腦電信號(hào)在通過以上步驟的處理后進(jìn)行分類識(shí)別，結(jié)果表明分類識(shí)別的效果理想。文中對(duì)5名受試者的進(jìn)行實(shí)驗(yàn)并對(duì)所采集的腦電信號(hào)進(jìn)行分類識(shí)別，在實(shí)驗(yàn)中對(duì)每名受試者進(jìn)行隨機(jī)的15次重復(fù)試驗(yàn)，，得出每名受試者每一次的分類準(zhǔn)確率，并統(tǒng)計(jì)它們的平均準(zhǔn)確率。試驗(yàn)結(jié)果顯示最高的分類率達(dá)到97%，平均準(zhǔn)確率最高也能達(dá)到90%以上，因此通過實(shí)驗(yàn)結(jié)果可得出，文中基于CSP和SVM相結(jié)合的方法適合于基于模擬閱讀的腦-機(jī)接口中腦電信號(hào)的研究。
[Abstract]:The brain - computer interface technology is a communication system which does not rely on the normal output channel of the brain such as peripheral nerve and muscle tissue . The core problem in the brain - computer interface system is a translation algorithm , how to convert electrophysiological signals from users ( such as EEG signals ) into output control signals , so as to control external devices . ( 1 ) Experimental mode and pretreatment of EEG signal acquisition . The experimental model used in this paper is designed by the Biomedical Engineering Laboratory of the National University of China and the South , which is based on the simulated reading evoked brain electrical acquisition mode . The subjects of the model can obtain the visual information in the target symbols without abrupt physical stimulation as usual . Because the EEG signals are weak and are very easy to be influenced by various disturbances , the experimental mode of the simulated reading is very good for reducing the pollution of eye movement artifacts , and the interference and noise of the polluted brain electrical signals are further filtered by low - pass filtering and down - sampling , and the experiment shows that the effect is ideal . ( 2 ) extracting the characteristic quantity of the brain electrical signal . It is one of the key techniques of brain - computer interface technology research to extract the consciousness information in brain - computer interface technology . Based on the research of the feature extraction methods of EEG signals , a spatial filter is designed . The goal of this method is to design a spatial filter . The aim is to design a spatial filter . The aim is to design a spatial filter . The aim is to design a space filter . The aim is to design a space filter . The aim is to find a maximum first type variance and to minimize the second type variance . The experiment shows that the EEG signal extracted by this method has obvious effect on the subsequent classification . ( 3 ) Design of EEG signal classifier . The design of the classifier is another important part of the brain - computer interface system . The performance of the classifier directly affects the performance of the brain - computer interface system . This algorithm is based on the statistical learning theory and the experience minimization principle . The results show that the highest classification rate is 97 % and the average accuracy rate can reach more than 90 % . The results show that the method based on CSP and SVM is suitable for the study of EEG signal in brain - machine interface based on simulated reading .

【學(xué)位授予單位】：中南民族大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP334.7;R318.0

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 沈廣澤;司峻峰;寧新寶;;一種用于腦機(jī)接口的模式識(shí)別方法[J];北京生物醫(yī)學(xué)工程;2007年06期

2 劉沖;趙海濱;李春勝;王宏;;基于CSP與SVM算法的運(yùn)動(dòng)想象腦電信號(hào)分類[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年08期

3 堯德中;劉鐵軍;雷旭;楊平;徐鵬;張楊松;;基于腦電的腦-機(jī)接口:關(guān)鍵技術(shù)和應(yīng)用前景[J];電子科技大學(xué)學(xué)報(bào);2009年05期

4 吳小培,馮煥清,周荷琴,王濤;基于小波變換的腦電信號(hào)噪聲消除方法[J];電路與系統(tǒng)學(xué)報(bào);2000年03期

5 楊立才,李佰敏,李光林,賈磊;腦-機(jī)接口技術(shù)綜述[J];電子學(xué)報(bào);2005年07期

6 吳邊;蘇煜;張劍慧;李昕;張吉財(cái);陳衛(wèi)東;鄭筱祥;;基于P300電位的新型BCI中文輸入虛擬鍵盤系統(tǒng)[J];電子學(xué)報(bào);2009年08期

7 華小梅,林家瑞,官金安;“腦—機(jī)接口”的研究進(jìn)展[J];國外醫(yī)學(xué)(生物醫(yī)學(xué)工程分冊(cè));2004年02期

8 官金安;陳亞光;;用多通道特征組合和SVM單次提取誘發(fā)腦電信號(hào)[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年08期

9 高上凱;;神經(jīng)工程與腦-機(jī)接口[J];生命科學(xué);2009年02期

10 楊瑞霞;;腦機(jī)接口技術(shù)研究[J];山東輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年02期

相關(guān)博士學(xué)位論文 前1條

1 官金安;腦—機(jī)接口及其信號(hào)的單次提取[D];華中科技大學(xué);2005年

相關(guān)碩士學(xué)位論文 前1條

1 葛瑜;腦—機(jī)接口系統(tǒng)中的特征提取與分類算法研究[D];國防科學(xué)技術(shù)大學(xué);2007年

本文編號(hào)：1423534