本文關(guān)鍵詞：基于非負矩陣分解的腦電信號特征提取算法研究　出處：《燕山大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 運動想象腦電 特征提取 小波變換 非負矩陣分解 獨立分量分析 支持向量機

【摘要】：運動想象腦-機接口通過檢測大腦進行運動想象時伴隨著能量和相位變化的腦電信號,進而判斷大腦正在執(zhí)行的運動想象任務(wù)(如想象左、右手運動)。該系統(tǒng)不依賴于大腦的神經(jīng)-肌肉通路,利用計算機或其他電子設(shè)備對特定大腦活動進行分析,來向外界傳達控制命令。非負矩陣分解是一種新的模式識別方法。此方法在矩陣中所有元素均為非負的條件下對其實現(xiàn)非負分解�；诜秦摼仃嚪纸獾倪\動想象腦電特征提取技術(shù)不但具有良好的局部表征特性和一定的稀疏性,而且能夠自動識別有意義的腦電時頻特征。本文研究充分利用了2003年國際BCI競賽的相關(guān)公開數(shù)據(jù),對腦電信號的事件相關(guān)譜擾動時頻圖和事件相關(guān)去同步/同步現(xiàn)象進行了觀測和分析,針對單次實驗左右手運動想象的三通道腦電數(shù)據(jù)進行了預(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,采用小波變換和非負矩陣分解結(jié)合的方法,小波變換對存在μ節(jié)律和β節(jié)律特征頻段成分濾波獲取EEG數(shù)據(jù)的時頻表示,在對其進行兩分量的非負矩陣分解之前,通過對數(shù)據(jù)向量的能量和稀疏度的計算比較,得到非負矩陣分解精確控制稀疏性的改進算法,顯示出更好的時頻特征,再通過獨立分量分析提取空間特征。這種方法更加完整的表達了腦電信號中的時間、頻率和空間特征,為分類識別提供更優(yōu)的特征向量。本文采用了支持向量機分類方法對提取的特征加以識別,采用遺傳算法來確定懲罰因子C和核參數(shù)σ的值,實現(xiàn)了參數(shù)C和σ的尋優(yōu)選擇,優(yōu)化了以徑向基核函數(shù)為模型的SVM分類器的性能。最后,運動想象數(shù)據(jù)的分類結(jié)果與BCI競賽冠軍結(jié)果比較有所提高,驗證了本文設(shè)計方法的可行性及有效性。
【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】：2015
【分類號】：TN911.7

【參考文獻】

相關(guān)期刊論文 前5條

1 張玉潔,王法松,李宏偉;一種新的基于極大似然估計的盲分離算法[J];工程地球物理學(xué)報;2004年06期

2 張冬,費向東,李晉,吳舜歆;一種基于空域數(shù)據(jù)庫的多種數(shù)據(jù)融合算法的設(shè)計與實現(xiàn)[J];中國民航飛行學(xué)院學(xué)報;2003年02期

3 葛瑜;楊鋼;;腦機接口系統(tǒng)中EEG信號特征提取與分類[J];微計算機信息;2008年18期

4 鄭紅軍,周旭,畢篤彥;統(tǒng)計學(xué)習(xí)理論及支持向量機概述[J];現(xiàn)代電子技術(shù);2003年04期

5 胡劍鋒;熊建英;何科榮;;應(yīng)用Neuroscan腦電記錄系統(tǒng)評價概念相似漢字與圖片加工的事件相關(guān)電位差異[J];中國組織工程研究與臨床康復(fù);2008年30期

，

本文編號：1335516