本文選題：腦機(jī)接口 + 運(yùn)動(dòng)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(jī)接口中，運(yùn)動(dòng)想象被認(rèn)為是最有效的方式之一。在運(yùn)動(dòng)想象的準(zhǔn)備和執(zhí)行過(guò)程中，，大腦的感覺(jué)運(yùn)動(dòng)區(qū)相關(guān)皮層在特定頻帶和特定時(shí)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(yùn)動(dòng)想象。 針對(duì)基于運(yùn)動(dòng)想象的腦機(jī)接口，本文提出一種新的時(shí)間-頻率-空間的特征提取方法，即加強(qiáng)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(shí)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(hào)分成多個(gè)頻帶和多個(gè)時(shí)段，對(duì)每頻帶和時(shí)段的信號(hào)進(jìn)行共同空間模式(CSP)濾波，再利用兩種特征選擇方法對(duì)所有特征進(jìn)行自動(dòng)選擇。實(shí)驗(yàn)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(lèi)準(zhǔn)確率。最后利用腦機(jī)接口競(jìng)賽數(shù)據(jù)對(duì)于本文提出特征提取方法的有效性進(jìn)行驗(yàn)證。 針對(duì)加強(qiáng)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(lèi)器，神經(jīng)網(wǎng)絡(luò)分類(lèi)器以及樸素貝葉斯分類(lèi)器對(duì)其分類(lèi)效果進(jìn)行比較。實(shí)驗(yàn)結(jié)果顯示：樸素貝葉斯分類(lèi)器對(duì)于該方法提取的特征具有較好的分類(lèi)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(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類(lèi)號(hào)】：TP334.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

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

2 沈敏;;腦-機(jī)接口技術(shù)綜述[J];重慶郵電大學(xué)學(xué)報(bào)(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(hào)特征提取[J];上海電機(jī)學(xué)院學(xué)報(bào);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(yùn)動(dòng)想象腦電模式識(shí)別中的應(yīng)用[J];計(jì)算機(jī)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(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

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(hào)分類(lèi)研究[J];微計(jì)算機(jī)信息;2008年30期

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

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

9 李波;劉楊;周宗潭;;嵌入式腦機(jī)接口系統(tǒng)的軟件設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)仿真;2007年07期

10 胡劍鋒;穆振東;肖丹;;基于能量熵的運(yùn)動(dòng)想象腦電信號(hào)分類(lèi)[J];計(jì)算機(jī)工程與應(yīng)用;2008年33期

相關(guān)會(huì)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(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

2 錢(qián)小聰;鄭寶玉;穆明鑫;;神經(jīng)網(wǎng)絡(luò)聯(lián)機(jī)手寫(xiě)簽名驗(yàn)證[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

3 張羽;汪源源;王威琪;余建國(guó);林繼耕;;狹窄血管多普勒信號(hào)特征提取的實(shí)驗(yàn)研究[A];21世紀(jì)醫(yī)學(xué)工程學(xué)術(shù)研討會(huì)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(shí)別中的應(yīng)用[A];2002中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2002年

5 楊日杰;施建禮;林洪文;;一種雷達(dá)視頻回波特征提取方法研究[A];中國(guó)航空學(xué)會(huì)信號(hào)與信息處理專(zhuān)業(yè)全國(guó)第八屆學(xué)術(shù)會(huì)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(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2004年

7 何新;史迎春;周獻(xiàn)中;;一種基于獨(dú)立分量分析的音頻分類(lèi)方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)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(jī)理論的兩級(jí)指紋分類(lèi)實(shí)現(xiàn)方法[A];第16屆中國(guó)過(guò)程控制學(xué)術(shù)年會(huì)暨第4屆全國(guó)故障診斷與安全性學(xué)術(shù)會(huì)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(hào)特征提取方法[A];信號(hào)與信息處理技術(shù)第三屆信號(hào)與信息處理全國(guó)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2004年

10 郗長(zhǎng)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(dòng)化學(xué)術(shù)會(huì)議論文集[C];2004年

相關(guān)重要報(bào)紙文章 前10條

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

2 本報(bào)記者 馬文方;腦機(jī)接口：互聯(lián)網(wǎng)遙遠(yuǎn)的疆界[N];中國(guó)計(jì)算機(jī)報(bào);2010年

3 本報(bào)記者 孫燕燕;洪波：腦機(jī)接口傳遞思維[N];北京科技報(bào);2010年

4 本報(bào)記者 羅朝淑;腦機(jī)接口：?jiǎn)酒鹕窠?jīng)康復(fù)的新希望[N];科技日?qǐng)?bào);2011年

5 實(shí)習(xí)生 陳明立;腦機(jī)接口,開(kāi)啟“心靈感應(yīng)”時(shí)代[N];科技日?qǐng)?bào);2010年

6 猛犸;可見(jiàn)的大腦“意念控制”[N];電腦報(bào);2009年

7 徐娜;神奇發(fā)帶為大腦做體檢[N];大眾科技報(bào);2010年

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

9 清水　編譯;超人并非遙不可及[N];計(jì)算機(jī)世界;2010年

10 沈占鋒;遙感影像信息提取與分析[N];計(jì)算機(jī)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(jī)接口模式識(shí)別關(guān)鍵技術(shù)與實(shí)驗(yàn)研究[D];上海交通大學(xué);2008年

2 張旗;基于屬性的圖像分類(lèi)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(dòng)檢測(cè)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(shí)別方法的研究[D];天津大學(xué);2005年

7 龍錦益;腦信號(hào)分析的算法研究與多模態(tài)腦機(jī)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(dá)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(guó)人民解放軍國(guó)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(yùn)動(dòng)意識(shí)腦電分類(lèi)及基于VC++的腦機(jī)接口實(shí)驗(yàn)系統(tǒng)[D];安徽大學(xué);2007年

2 王曉勇;基于集成支持向量機(jī)的P300腦機(jī)接口信號(hào)識(shí)別算法研究[D];燕山大學(xué);2009年

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

4 曾紅梅;情緒圖片視覺(jué)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(lèi)特征提取方法的研究與實(shí)現(xiàn)[D];重慶大學(xué);2011年

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

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

9 欒嵐;基于機(jī)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(lèi)方法研究[D];東北大學(xué);2009年

本文編號(hào)：2107841