【摘要】：腦-機接口（Brain Computer Interface, BCI）是一種不依賴于人體的外周神經(jīng)系統(tǒng)和肌肉組織，，僅僅通過腦電信號即可實現(xiàn)人腦對外界設(shè)備控制的全新技術(shù)。本文以BCI技術(shù)研究中的運動想象腦電為研究對象，對BCI信號處理技術(shù)中的的特征提取、特征分類等關(guān)鍵技術(shù)展開深入研究，最后與傳統(tǒng)的分析方法進行了對比。 首先在分析了腦電信號的事件相關(guān)去同步/同步現(xiàn)象的基礎(chǔ)上，對運動想象腦電數(shù)據(jù)進行了相關(guān)的預(yù)處理，包括：通道選擇、與運動想象腦電相關(guān)的腦電節(jié)律的選取及時間-頻率范圍的確定。 由于提取出的特征向量的優(yōu)劣直接影響著BCI的分類效果，而傳統(tǒng)的時頻特征提取方法難以完整表達腦電信號中的特征信息。因此，在傳統(tǒng)的小波變換特征提取方法的理論基礎(chǔ)上，針對腦電信號信噪比低、非平穩(wěn)等特點，設(shè)計了基于時間-頻率-空間域的腦電信號特征提取方法。這種方法主要融合了小波變換提取的時頻域特征及獨立分量分析提取的空間特征，更加完整的表達了腦電信號中的時間、頻率、空間特征，為分類識別提供更優(yōu)的特征向量。 采用了支持向量機(Support Vector Machine, SVM)分類方法對提取的特征加以識別。針對以徑向基核函數(shù)為模型的SVM中，懲罰因子C和核參數(shù)σ的值往往根據(jù)主觀經(jīng)驗來確定的缺點，采用遺傳算法實現(xiàn)參數(shù)C和σ的尋優(yōu)選擇，優(yōu)化了SVM分類器的性能。最后，采用2003年BCI競賽數(shù)據(jù)，與傳統(tǒng)特征提取方法及BCI競賽冠軍分類結(jié)果對比，驗證設(shè)計方法的可行性及有效性。 運動想象數(shù)據(jù)的分類結(jié)果顯示，特征向量為14維，分類正確率達96.4%。通過與傳統(tǒng)方法及競賽結(jié)果的對比，本文設(shè)計方案比傳統(tǒng)方法及競賽最好成績的分類正確率均有所提高。
【學(xué)位授予單位】：燕山大學(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】

相關(guān)期刊論文 前10條

1 宋楊;王菲露;;基于多分辨率分析的多傳感器遙感圖像融合方法[J];安徽大學(xué)學(xué)報(自然科學(xué)版);2011年02期

2 徐寶國;宋愛國;;單次運動想象腦電的特征提取和分類[J];東南大學(xué)學(xué)報(自然科學(xué)版);2007年04期

3 徐寶國;宋愛國;王愛民;;基于小波包能量的腦電信號特征提取方法[J];東南大學(xué)學(xué)報(自然科學(xué)版);2010年06期

4 周宗潭;胡德文;高政;周華平;劉楊;;國際腦計算機接口競賽介紹及參賽經(jīng)驗談[J];電氣電子教學(xué)學(xué)報;2007年02期

5 高海波;崔建新;洪文學(xué);郝連旺;;用基于平行坐標圖的可視化人機交互技術(shù)提取EEG信號特征的方法[J];高技術(shù)通訊;2010年05期

6 徐本棟;呂勇;;P300測謊的新取向[J];湖南警察學(xué)院學(xué)報;2011年01期

7 程明,任宇鵬,高小榕,王廣志,季林紅,高上凱;腦電信號控制康復(fù)機器人的關(guān)鍵技術(shù)[J];機器人技術(shù)與應(yīng)用;2003年04期

8 侯艷艷;;一種基于擴展Infomax的自適應(yīng)學(xué)習(xí)算法[J];九江學(xué)院學(xué)報;2008年06期

9 鄧志東;李修全;鄭寬浩;姚文韜;;一種基于SSVEP的仿人機器人異步腦機接口控制系統(tǒng)[J];機器人;2011年02期

10 高楠,卓晴,王文淵;一種新型的人機交互方式——腦機接口[J];計算機工程;2005年18期

相關(guān)碩士學(xué)位論文 前8條

1 韓偉;睡眠腦電信號的分析與處理方法[D];西北工業(yè)大學(xué);2005年

2 王永飛;基于獨立分量分析的腦電消噪與特征提取[D];安徽大學(xué);2006年

3 李波;嵌入式腦機接口系統(tǒng)設(shè)計與實現(xiàn)[D];國防科學(xué)技術(shù)大學(xué);2006年

4 楊雪;基于動物實驗的腦—機接口研究[D];浙江大學(xué);2007年

5 胡人君;腦機接口應(yīng)用中的思維任務(wù)分類研究[D];安徽大學(xué);2007年

6 鄒清;基于AR模型的腦電信號特征提取與識別[D];中南大學(xué);2008年

7 黃日輝;思維腦電及P300腦電的特征提取與識別[D];五邑大學(xué);2008年

8 葉坤;左右手運動想象腦電采集和特征提取方法初探[D];華中科技大學(xué);2008年

本文編號：2573321