本文關(guān)鍵詞： BCI系統(tǒng) 腦電信號 CSP濾波 PCA AdaboostNN　出處：《天津大學(xué)》2012年碩士論文　論文類型：學(xué)位論文

【摘要】：腦機(jī)接口是建立在人腦和外部設(shè)備之間的直接通訊通路。腦機(jī)接口技術(shù)結(jié)合了生物醫(yī)學(xué)、計算機(jī)信息處理技術(shù)、神經(jīng)科學(xué)以及微電子等多個領(lǐng)域的最新成果,在近10年的時間里得到的廣泛的重視研究和發(fā)展。通過對腦電信號的研究,腦機(jī)接口BCI(Brain-Computer Systerm)系統(tǒng)已經(jīng)可以被用來解決很多實際問題。盡管如此,因為腦電信號的不穩(wěn)定性和個體差異性,找到一種高效的、具有普遍意義的信號處理和識別方式是解決問題的關(guān)鍵。本文的主要研究對象是BCI系統(tǒng)中腦電信號的處理和識別方法。通常一個模式識別過程可以分為數(shù)據(jù)預(yù)處理、特征提取、特征選擇和降維、以及特征分類幾個階段。在腦電信號的預(yù)處理階段使用FIR數(shù)字濾波器和CSP空域濾波器的方法對腦電信號進(jìn)行濾波處理,用主成分分析PCA和偏最小二乘PLS的方法對腦電信號的特征向量進(jìn)行降維,用兩種不同的Adaboost分類方法對提取到的腦電信號特征向量進(jìn)行分類,同時用線性判別分寫LDA和支持向量機(jī)SVM的BCI系統(tǒng)經(jīng)典分類方法進(jìn)行分類識別率的對比。 通過對在模式識別每一個階段對腦電信號處理的不同方法的研究,在實驗結(jié)果數(shù)據(jù)的基礎(chǔ)上給出一種高效的處理腦電信號的方法,即公共空間模式濾波與以最近鄰法為若分類其的AdaboostNN分類器結(jié)合的處理方式。
[Abstract]:Brain-computer interface (BCI) is a direct communication pathway between human brain and external devices. BCI technology combines the latest achievements in many fields such as biomedicine, computer information processing, neuroscience, microelectronics and so on. In the past 10 years, extensive attention has been paid to research and development through the study of EEG signals. Brain-Computer Interface (BCI(Brain-Computer Systerm) systems have been used to solve many practical problems. Because of the instability and individual difference of EEG signal, we find a kind of high efficiency. The main research object of this paper is the method of EEG signal processing and recognition in BCI system. Usually a pattern recognition process can be divided into data. Pretreatment. Feature extraction, feature selection and dimensionality reduction, and feature classification. The FIR digital filter and CSP spatial filter are used to filter the EEG signal in the preprocessing stage. The method of principal component analysis (PCA) and partial least squares (PLS) is used to reduce the dimension of the Eigenvectors of EEG. Two different Adaboost classification methods are used to classify the extracted feature vectors of EEG signals. At the same time, the classical classification methods of BCI system based on linear discriminant classification (LDA) and support vector machine (SVM) are compared. Through the research on different methods of EEG processing in each stage of pattern recognition, an efficient method of EEG signal processing is presented on the basis of experimental data. That is the combination of common space mode filtering and AdaboostNN classifier whose nearest neighbor method is the nearest neighbor method.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TP334.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 王興玲,李占斌;基于網(wǎng)格搜索的支持向量機(jī)核函數(shù)參數(shù)的確定[J];中國海洋大學(xué)學(xué)報(自然科學(xué)版);2005年05期

2 高上凱;;淺談腦—機(jī)接口的發(fā)展現(xiàn)狀與挑戰(zhàn)[J];中國生物醫(yī)學(xué)工程學(xué)報;2007年06期

相關(guān)博士學(xué)位論文 前1條

1 王磊;基于運(yùn)動想象的腦電信號分類與腦機(jī)接口技術(shù)研究[D];河北工業(yè)大學(xué);2009年

，

本文編號：1463884