腦-機接口技術(shù)已經(jīng)成為國內(nèi)外研究的一個熱點,它不僅是一種全新的助殘方式和控制手段,對正常人而言,也能提供一種特殊的信息交流和生活娛樂方式。腦-機接口中的控制信號可以分為自發(fā)腦電信號和誘發(fā)腦電信號兩類。由于節(jié)律特征比較明顯,目前對基于誘發(fā)腦電信號的腦-機接口技術(shù)的研究相對成熟,但是需要額外的刺激系統(tǒng)。而基于自發(fā)腦電信號的研究采用的腦電控制信號自發(fā)產(chǎn)生,不需要刺激,實際應(yīng)用起來比較方便,但是節(jié)律特征不是很明顯,這就對特征提取和分類方法提出了很高的要求,目前大多數(shù)的研究還處于實驗室階段,分類正確率不高,很少應(yīng)用于實際。因此對基于自發(fā)腦電信號的腦-機接口中特征提取和分類方法的研究具有很重要的意義。運動想象腦電信號是自發(fā)腦電信號的一種,本文利用實驗室NEUROSCAN平臺設(shè)計實驗采集腦電數(shù)據(jù),對想象左手握握力器,想象右手握握力器,想象右腳踩油門三類運動想象任務(wù)進行了研究。首先利用NEUROSCAN平臺中SCAN4.3軟件濾除實驗中不可避免的眼電（EOG）干擾成分,然后提出了一種FFT和IFFT結(jié)合的方法對濾除眼電后的運動想象腦電信號進行濾波,并對濾波后的數(shù)據(jù)進行了平均能量分析,來驗證濾波的可行性... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 腦-機接口技術(shù)簡介
        1.1.1 腦-機接口概念
        1.1.2 腦-機接口組成
        1.1.3 腦-機接口技術(shù)的研究現(xiàn)狀
        1.1.4 腦-機接口研究意義
    1.2 本文的研究基礎(chǔ)
        1.2.1 大腦的基本結(jié)構(gòu)和腦電信號的產(chǎn)生
        1.2.2 腦電信號的特點及主要節(jié)律
        1.2.3 運動想象腦電信號的研究基礎(chǔ)
    1.3 本文研究的目的與內(nèi)容
        1.3.1 研究目的
        1.3.2 研究內(nèi)容
2 實驗設(shè)計和運動想象腦電信號的預(yù)處理
    2.1 實驗設(shè)計
        2.1.1 實驗平臺 NEUROSCAN 簡介
        2.1.2 實驗設(shè)計
    2.2 運動想象腦電信號的預(yù)處理
        2.2.1 合并行為數(shù)據(jù)，濾除眼電和轉(zhuǎn)化數(shù)據(jù)格式
        2.2.2 FFT 和IFFT 結(jié)合濾波
        2.2.3 濾波后數(shù)據(jù)分析
    2.3 本章小結(jié)
3 運動想象腦電信號的特征提取方法研究
    3.1 概述
    3.2 基于AR 模型的功率譜估計
        3.2.1 基于AR 模型的功率譜估計原理
        3.2.2 對基于AR 模型的功率譜估計的分析
    3.3 離散小波分析特征提取方法研究
        3.3.1 小波變換基本理論
        3.3.2 采用離散小波分析提取信號的能量值特征
        3.3.3 采用離散小波分析提取信號的能量值和系數(shù)的組合特征
    3.4 本章小結(jié)
4 運動想象腦電信號的分類方法研究
    4.1 概述
    4.2 BP 神經(jīng)網(wǎng)絡(luò)分類器
        4.2.1 BP 神經(jīng)網(wǎng)絡(luò)原理
        4.2.2 運動想象BP 神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計
    4.3 自組織神經(jīng)網(wǎng)絡(luò)分類器
        4.3.1 自組織神經(jīng)網(wǎng)絡(luò)原理
        4.3.2 運動想象自組織神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計
    4.4 粒子群優(yōu)化支持向量機
        4.4.1 支持向量機原理
        4.4.2 粒子群優(yōu)化算法原理
        4.4.3 粒子群優(yōu)化支持向量機參數(shù)
    4.5 三種方法的分類結(jié)果比較分析
        4.5.1 能量值作為特征時三種方法的分類結(jié)果
        4.5.2 能量值和小波系數(shù)作為組合特征時三種方法的分類結(jié)果
        4.5.3 分類結(jié)果比較分析
    4.6 對自組織神經(jīng)網(wǎng)絡(luò)初始權(quán)值設(shè)定的改進
    4.7 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻
附錄：A. 作者在攻讀碩士學(xué)位期間發(fā)表的論文目錄


【參考文獻】：
期刊論文
[1]用于腦-機接口P300實驗的支持向量機分類方法[J]. 葛瑜,劉楊,周宗潭,胡德文.  計算機工程與設(shè)計. 2008(11)
[2]基于F-score特征選擇和支持向量機的P300識別算法[J]. 楊立才,李金亮,姚玉翠,吳曉晴.  生物醫(yī)學(xué)工程學(xué)雜志. 2008(01)
[3]基于SOM聚類的數(shù)據(jù)挖掘方法及其應(yīng)用研究[J]. 楊黎剛,蘇宏業(yè),張英,褚健.  計算機工程與科學(xué). 2007(08)
[4]無創(chuàng)高通訊速率的實時腦-機接口系統(tǒng)[J]. 高上凱.  中國基礎(chǔ)科學(xué). 2007(03)
[5]一種設(shè)計層次支持向量機多類分類器的新方法[J]. 趙暉,榮莉莉,李曉.  計算機應(yīng)用研究. 2006(06)
[6]模式識別中的支持向量機方法[J]. 杜樹新,吳鐵軍.  浙江大學(xué)學(xué)報(工學(xué)版). 2003(05)
[7]在數(shù)據(jù)挖掘中基于SOM網(wǎng)絡(luò)的數(shù)據(jù)分析可視化設(shè)計[J]. 朱家元,張恒喜,虞健飛.  計算機應(yīng)用與軟件. 2003(02)

碩士論文
[1]基于腦電Alpha波的BCI電視遙控系統(tǒng)的設(shè)計與實驗研究[D]. 陳騫.天津大學(xué) 2005
[2]基于腦電Alpha波的腦-機接口系統(tǒng)設(shè)計[D]. 高揚.天津大學(xué) 2004



本文編號：3495094