本文選題：腦機接口 + 運動想象　； 參考：《西安電子科技大學(xué)》2012年碩士論文

【摘要】：在基于腦電圖(EEG)的腦機接口中，運動想象被認(rèn)為是最有效的方式之一。在運動想象的準(zhǔn)備和執(zhí)行過程中，，大腦的感覺運動區(qū)相關(guān)皮層在特定頻帶和特定時段發(fā)生事件相關(guān)去同步的現(xiàn)象。利用事件相關(guān)去同步的現(xiàn)象可以判別左右手的運動想象。 針對基于運動想象的腦機接口，本文提出一種新的時間-頻率-空間的特征提取方法，即加強的濾波帶寬共同空間模式。在該特征提取方法中，發(fā)生事件相關(guān)去同步的腦區(qū)、頻帶和時段都被認(rèn)為是特征提取的重要因素。該特征提取方法將信號分成多個頻帶和多個時段，對每頻帶和時段的信號進行共同空間模式(CSP)濾波，再利用兩種特征選擇方法對所有特征進行自動選擇。實驗結(jié)果表明：基于準(zhǔn)確率的特征選擇方法比基于互信息的特征選擇方法有更高的分類準(zhǔn)確率。最后利用腦機接口競賽數(shù)據(jù)對于本文提出特征提取方法的有效性進行驗證。 針對加強濾波帶寬共同空間模式選取的特征，本文分別利用線性判別分類器，神經(jīng)網(wǎng)絡(luò)分類器以及樸素貝葉斯分類器對其分類效果進行比較。實驗結(jié)果顯示：樸素貝葉斯分類器對于該方法提取的特征具有較好的分類性能。 本文屬于應(yīng)用數(shù)學(xué)與生命科學(xué)的跨學(xué)科交叉研究。
[Abstract]:In EEG-based brain-computer interface, motion imagination is considered to be one of the most effective methods. In the process of preparation and execution of motion imagination, the sensorimotor cortical associated with the brain occurs event-related desynchronization in a specific frequency band and a specific period of time. The phenomenon of event correlation desynchronization can be used to distinguish the motion imagination of the left and right hand. For the brain-computer interface based on motion imagination, a new time-frequency-space feature extraction method is proposed in this paper, which is the enhanced filtering bandwidth common spatial pattern. In this feature extraction method, the event-related de-synchronous brain regions, frequency bands and time periods are considered to be important factors in feature extraction. The feature extraction method divides the signal into multiple frequency bands and multiple periods. The common spatial mode (CSP) filter is used to filter the signals in each frequency band and time period, and then the two feature selection methods are used to automatically select all the features. The experimental results show that the feature selection method based on accuracy has higher classification accuracy than the feature selection method based on mutual information. Finally, the effectiveness of the proposed feature extraction method is verified by using the BCI contest data. Aiming at the feature of common spatial pattern selection of enhanced filtering bandwidth, the classification effects of linear discriminant classifier, neural network classifier and naive Bayes classifier are compared in this paper. Experimental results show that the naive Bayesian classifier has good classification performance for the features extracted by this method. This paper is a cross-disciplinary study of applied mathematics and life science.
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TP334.7

【相似文獻】

相關(guān)期刊論文 前10條

1 吳婷;顏國正;楊幫華;;基于小波包分解的腦電信號特征提取[J];儀器儀表學(xué)報;2007年12期

2 沈敏;;腦-機接口技術(shù)綜述[J];重慶郵電大學(xué)學(xué)報(自然科學(xué)版);2007年S1期

3 吳婷;;小波變換的自發(fā)腦電信號特征提取[J];上海電機學(xué)院學(xué)報;2011年03期

4 李坤;周曉蘭;唐希雯;張道信;吳小培;;感知器算法在運動想象腦電模式識別中的應(yīng)用[J];計算機工程與應(yīng)用;2006年25期

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

6 王磊;顏威利;楊碩;徐桂芝;;基于樣本熵的精神任務(wù)腦電信號分類研究[J];微計算機信息;2008年30期

7 王洪濤;;視覺誘發(fā)電位腦機接口關(guān)鍵技術(shù)研究[J];重慶文理學(xué)院學(xué)報(自然科學(xué)版);2010年01期

8 吳婷;顏國正;楊幫華;;一種快速的腦電信號特征提取與分類方法[J];系統(tǒng)仿真學(xué)報;2007年18期

9 李波;劉楊;周宗潭;;嵌入式腦機接口系統(tǒng)的軟件設(shè)計與實現(xiàn)[J];計算機仿真;2007年07期

10 胡劍鋒;穆振東;肖丹;;基于能量熵的運動想象腦電信號分類[J];計算機工程與應(yīng)用;2008年33期

相關(guān)會議論文 前10條

1 林土勝;賴聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

2 錢小聰;鄭寶玉;穆明鑫;;神經(jīng)網(wǎng)絡(luò)聯(lián)機手寫簽名驗證[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 張羽;汪源源;王威琪;余建國;林繼耕;;狹窄血管多普勒信號特征提取的實驗研究[A];21世紀(jì)醫(yī)學(xué)工程學(xué)術(shù)研討會論文摘要匯編[C];2001年

4 柳林霞;陳杰;竇麗華;;不變矩理論及其在目標(biāo)識別中的應(yīng)用[A];2002中國控制與決策學(xué)術(shù)年會論文集[C];2002年

5 楊日杰;施建禮;林洪文;;一種雷達視頻回波特征提取方法研究[A];中國航空學(xué)會信號與信息處理專業(yè)全國第八屆學(xué)術(shù)會議論文集[C];2004年

6 代克杰;張紅梅;盛賽斌;;基于BP網(wǎng)絡(luò)的故障特征提取方法研究[A];2004中國控制與決策學(xué)術(shù)年會論文集[C];2004年

7 何新;史迎春;周獻中;;一種基于獨立分量分析的音頻分類方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

8 朱曉霞;孫同景;陳桂友;;基于支持向量機理論的兩級指紋分類實現(xiàn)方法[A];第16屆中國過程控制學(xué)術(shù)年會暨第4屆全國故障診斷與安全性學(xué)術(shù)會議論文集[C];2005年

9 范海寧;郭英;吳劍鋒;陳志武;;基于小波包分解的聲信號特征提取方法[A];信號與信息處理技術(shù)第三屆信號與信息處理全國聯(lián)合學(xué)術(shù)會議論文集[C];2004年

10 郗長青;鄭建明;李言;羅杰;;基于小波包分解的鉆頭磨損特征提取[A];制造技術(shù)自動化學(xué)術(shù)會議論文集[C];2004年

相關(guān)重要報紙文章 前10條

1 環(huán)科;意念移物-腦機接口技術(shù)演繹科技神話[N];福建科技報;2008年

2 本報記者 馬文方;腦機接口：互聯(lián)網(wǎng)遙遠的疆界[N];中國計算機報;2010年

3 本報記者 孫燕燕;洪波：腦機接口傳遞思維[N];北京科技報;2010年

4 本報記者 羅朝淑;腦機接口：喚起神經(jīng)康復(fù)的新希望[N];科技日報;2011年

5 實習(xí)生 陳明立;腦機接口,開啟“心靈感應(yīng)”時代[N];科技日報;2010年

6 猛犸;可見的大腦“意念控制”[N];電腦報;2009年

7 徐娜;神奇發(fā)帶為大腦做體檢[N];大眾科技報;2010年

8 燕海霞；王憶勤；李福鳳;脈象信號研究日漸深入[N];中國醫(yī)藥報;2005年

9 清水　編譯;超人并非遙不可及[N];計算機世界;2010年

10 沈占鋒;遙感影像信息提取與分析[N];計算機世界;2006年

相關(guān)博士學(xué)位論文 前10條

1 吳婷;自發(fā)腦電腦機接口模式識別關(guān)鍵技術(shù)與實驗研究[D];上海交通大學(xué);2008年

2 張旗;基于屬性的圖像分類研究[D];大連海事大學(xué);2005年

3 張立福;通用光譜模式分解算法及植被指數(shù)的建立[D];武漢大學(xué);2005年

4 蘇彩紅;墻地磚質(zhì)量自動檢測技術(shù)的研究[D];華南理工大學(xué);2004年

5 宋余慶;醫(yī)學(xué)圖像數(shù)據(jù)挖掘若干技術(shù)研究[D];東南大學(xué);2005年

6 宋晴;基于液滴分析技術(shù)和液滴指紋圖的液體識別方法的研究[D];天津大學(xué);2005年

7 龍錦益;腦信號分析的算法研究與多模態(tài)腦機接口[D];華南理工大學(xué);2012年

8 孫真真;基于光學(xué)區(qū)雷達目標(biāo)二維像的目標(biāo)散射特征提取的理論及方法研究[D];中國人民解放軍國防科學(xué)技術(shù)大學(xué);2001年

9 武子玉;礦物近紅外光譜信息提取及應(yīng)用研究[D];吉林大學(xué);2005年

10 王承;基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究[D];電子科技大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 李坤;運動意識腦電分類及基于VC++的腦機接口實驗系統(tǒng)[D];安徽大學(xué);2007年

2 王曉勇;基于集成支持向量機的P300腦機接口信號識別算法研究[D];燕山大學(xué);2009年

3 李芳;腦機接口中腦電信號特征提取及分類算法研究[D];大連理工大學(xué);2010年

4 曾紅梅;情緒圖片視覺誘發(fā)EEG特征提取與分析[D];天津大學(xué);2012年

5 雷自力;基于Pro/E的三維零件參數(shù)化建模和特征提取研究[D];華中科技大學(xué);2011年

6 林少波;中文文本分類特征提取方法的研究與實現(xiàn)[D];重慶大學(xué);2011年

7 黃健;履帶式車輛微多普勒效應(yīng)與特征提取[D];國防科學(xué)技術(shù)大學(xué);2009年

8 趙蕾蕾;基于詞和基本短語模式的特征提取方法[D];河北大學(xué);2009年

9 欒嵐;基于機理模型判據(jù)的圖像中微弱特征提取方法研究及應(yīng)用[D];東北大學(xué);2009年

10 王菲;面向肺部CAD的特征提取、選擇及分類方法研究[D];東北大學(xué);2009年

本文編號：2107841