本文選題：運動想象　切入點：腦機接口　出處：《中國生物醫(yī)學工程學報》2014年06期 　論文類型：期刊論文

【摘要】：隱馬爾科夫模型(HMM)在腦機接口(BCI)領域中已經(jīng)得到很好的應用,尤其是在運動想象(MI)信號的分類中。但是,很多傳統(tǒng)的方法只是利用隱馬爾科夫模型描述信號的動態(tài)特性,再根據(jù)觀測數(shù)據(jù)求得模型參數(shù),然后進行信號分類。由于腦電信號低信噪比、高維數(shù)和狀態(tài)復雜的特點,在研究中先用分層Dirichlet過程(HDP)描述MI信號,利用HDP自聚類特性,然后使用AR模型描述MI信號的時間特性,最后結合馬爾科夫切換過程(MSP)描述MI信號的動態(tài)特性,以此來充分地描述MI信號。隨后對實驗室采集的數(shù)據(jù)和2003年BCI國際大賽的部分數(shù)據(jù),使用HDP-AR-HMM模型對MI信號分類,獲得很好的分類效果,準確率分別是99.00%、92.00%和72.46%。實驗結果表明,所提出的方法可以取得更好的運動想象信號分類。
[Abstract]:Hmm (Hidden Markov Model) has been widely used in BCI (brain computer Interface), especially in the classification of motion imagination (MII) signals. However, many traditional methods only use Hidden Markov models to describe the dynamic characteristics of signals. Then the model parameters are obtained according to the observed data, and then the signals are classified. Because of the characteristics of low signal-to-noise ratio, high dimension and complex state of EEG, the MI signal is described by stratified Dirichlet process, and the self-clustering characteristic of HDP is used. Then the AR model is used to describe the time characteristic of MI signal, and the dynamic characteristic of MI signal is described with Markov switching process (MSPP). Using HDP-AR-HMM model to classify MI signal, the accuracy is 99.00% 92.00% and 72.46% respectively. The experimental results show that, The proposed method can obtain better classification of motion imagination signals.
【作者單位】： 華南理工大學自動化科學與工程學院;國家電網(wǎng)湖北電力公司黃石供電公司;
【基金】：廣東省自然科學基金(S2012020010945) 國家自然科學基金(61105121,61175114,91120305)
【分類號】：TN911.7;TP334.7

【參考文獻】

相關期刊論文 前3條

1 堯德中;劉鐵軍;雷旭;楊平;徐鵬;張楊松;;基于腦電的腦-機接口:關鍵技術和應用前景[J];電子科技大學學報;2009年05期

2 周建英;王飛躍;曾大軍;;分層Dirichlet過程及其應用綜述[J];自動化學報;2011年04期

3 高上凱;;淺談腦—機接口的發(fā)展現(xiàn)狀與挑戰(zhàn)[J];中國生物醫(yī)學工程學報;2007年06期

【共引文獻】

相關期刊論文 前10條

1 喻曉;;基于腦電alpha波的實時腦-機接口系統(tǒng)[J];重慶理工大學學報(自然科學);2012年07期

2 吳海靜;何慶華;田逢春;;基于瞬態(tài)視覺誘發(fā)電位的識別算法研究[J];傳感器與微系統(tǒng);2012年04期

3 顏世玉;王宏;劉沖;趙海濱;;基于小波方差的運動想象腦電信號特征提取[J];東北大學學報(自然科學版);2012年07期

4 趙麗;孫永;馬彥臻;何洋;;基于SSVEP的腦-機接口自動車系統(tǒng)研究[J];電子測量技術;2011年12期

5 李明愛;陸嬋嬋;楊金福;;基于改進CSSD的腦電信號特征提取方法[J];北京工業(yè)大學學報;2013年07期

6 田銀;李沛洋;徐鵬;;基于AdaBoost的腦機接口分類算法研究[J];電子科技大學學報;2013年05期

7 張偉林;;基于高輸入阻抗放大器的EEG傳感器設計[J];傳感器與微系統(tǒng);2014年11期

8 洪杰;秦現(xiàn)生;譚小群;王文杰;牛軍龍;;腦-機接口技術研究[J];北京生物醫(yī)學工程;2014年05期

9 章登義;歐陽黜霏;吳文李;;針對時間序列多步預測的聚類隱馬爾科夫模型[J];電子學報;2014年12期

10 張林;劉輝;;DNA甲基化微陣列的非參數(shù)貝葉斯聚類算法[J];自動化學報;2012年10期

相關會議論文 前2條

1 李麗君;黃思娟;吳效明;熊冬生;;基于ECOG的運動想象特征提取和分類[A];中國生物醫(yī)學工程學會成立30周年紀念大會暨2010中國生物醫(yī)學工程學會學術大會壁報展示論文[C];2010年

2 李麗君;黃思娟;吳效明;熊冬生;;基于運動想象的腦電信號特征提取與分類[A];中國儀器儀表學會醫(yī)療儀器分會2010兩岸四地生物醫(yī)學工程學術年會論文集[C];2010年

相關博士學位論文 前10條

1 張海波;具象思維作業(yè)的腦電空間與頻域特征研究[D];北京中醫(yī)藥大學;2011年

2 張良力;面向安全預警的機動車駕駛意圖識別方法研究[D];武漢理工大學;2011年

3 程龍龍;BCICFES重建運動神經(jīng)系統(tǒng)的信號處理與控制關鍵技術研究[D];天津大學;2010年

4 李鵬海;基于計算機視覺的移動外設BCI控制新技術研究[D];天津大學;2011年

5 蔡偉宏;基于非參數(shù)貝葉斯方法的資產(chǎn)配置[D];華中科技大學;2012年

6 王磊;基于運動想象的腦電信號分類與腦機接口技術研究[D];河北工業(yè)大學;2009年

7 郭曉靜;獨立分量分析在腦—機接口中的應用研究[D];安徽大學;2010年

8 朱浩;一類動態(tài)貝葉斯網(wǎng)絡模型及其應用研究[D];重慶大學;2012年

9 孟憲勇;圖模型基礎理論研究[D];東北師范大學;2012年

10 張宇;基于視覺誘發(fā)電位的腦—機接口分析算法優(yōu)化及實時控制系統(tǒng)構建[D];華東理工大學;2013年

相關碩士學位論文 前5條

1 劉兵強;流形學習方法預測MicroRNA[D];燕山大學;2012年

2 崇信毅;基于視頻監(jiān)控數(shù)據(jù)的人群行為分析[D];北京交通大學;2012年

3 邵士雨;基于視頻的交通事件檢測算法研究[D];山東大學;2013年

4 楊雅;基于貝葉斯理論的運動想象信號分析方法研究[D];華南理工大學;2013年

5 邊疆;基于非參數(shù)Bayesian的分類算法研究[D];西安電子科技大學;2014年

【二級參考文獻】

相關期刊論文 前8條

1 徐謙;周俊生;陳家駿;;Dirichlet過程及其在自然語言處理中的應用[J];中文信息學報;2009年05期

2 ;Guest Editorial Brain-Computer Interface:Today and Tomorrow[J];Journal of Electronic Science and Technology of China;2009年01期

3 ;Real-Time Brain-Computer Interface System Based on Motor Imagery[J];Journal of Electronic Science and Technology of China;2009年01期

4 ;Probabilistic Methods in Multi-Class Brain-Computer Interface[J];Journal of Electronic Science and Technology of China;2009年01期

5 ;Common Spatial Pattern Ensemble Classifier and Its Application in Brain-Computer Interface[J];Journal of Electronic Science and Technology of China;2009年01期

6 ;Semi-Supervised Learning Based on Manifold in BCI[J];Journal of Electronic Science and Technology of China;2009年01期

7 ;An Algorithm for Idle-State Detection and Continuous Classifier Design in Motor-Imagery-Based BCI[J];Journal of Electronic Science and Technology of China;2009年01期

8 楊平;劉鐵軍;堯德中;;支持向量機后驗概率方法在多任務腦機接口中的應用[J];中國生物醫(yī)學工程學報;2009年02期

【相似文獻】

相關期刊論文 前10條

1 林偉成;孔萬增;;基于廣義微狀態(tài)的運動想象分類研究[J];杭州電子科技大學學報;2014年01期

2 陽宏;夏斌;謝宏;王聰;肖殿云;;一種用于實現(xiàn)多命令輸出的運動想象分組策略[J];廣西師范大學學報(自然科學版);2011年03期

3 周鵬;葛家怡;曹紅寶;張爽;王明時;;基于樣本熵的運動想象分類研究[J];信息與控制;2008年02期

4 殷罡;吳平東;彭軍強;黃漫玲;汪東;;運動想象腦電ERD/ERS時頻分析方法研究[J];微計算機信息;2009年13期

5 王璐;吳小培;高湘萍;;四類運動想象任務的腦電特征分析及分類[J];計算機技術與發(fā)展;2008年10期

6 肖丹;胡劍鋒;;運動想象腦電信號識別研究[J];計算機工程與應用;2010年33期

7 趙麗;郭旭宏;耿麗清;;多類運動想象腦電信號的處理研究[J];中國生物醫(yī)學工程學報;2013年05期

8 侯秉文;劉鵬;周廣玉;何嘉全;;基于運動想象腦機接口的AuFBCSP方法[J];電子科技;2012年01期

9 林江凱;陳民鈾;張莉;張聰譽;;三類運動想象腦電信號的離線分析研究[J];微計算機信息;2011年03期

10 周光省;羅志增;高云園;;基于模糊化符號復雜度的腦電運動想象識別算法[J];傳感技術學報;2013年05期

相關會議論文 前10條

1 楊遠濱;王薌斌;;淺談中醫(yī)意念與運動想象的比較[A];中國醫(yī)師協(xié)會第二屆康復醫(yī)學論壇、中國康復醫(yī)學會第四屆青年學術會議、北京康復醫(yī)學會第三屆會員代表大會論文集[C];2005年

2 賈子善;;運動想像的理論與應用[A];2008年浙江省物理醫(yī)學與康復學術年會暨中樞神經(jīng)功能損傷康復新進展學習班論文匯編[C];2008年

3 張爽;周鵬;熊屹;王明時;;運動想象腦電模式的動態(tài)分類[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（下冊）[C];2007年

4 諸強;謝琳;;基于小波分析的運動想象腦電模式特征提取與分類[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（下冊）[C];2007年

5 孔萬增;張艷娜;胡三清;戴國駿;張建海;魏大名;;基于運動想象的中風患者肢體康復實時控制系統(tǒng)[A];第一屆全國神經(jīng)動力學學術會議程序手冊 & 論文摘要集[C];2012年

6 徐海鷹;;運動想象療法結合運動再學習方案在腦卒中早期患者上肢功能的應用[A];中國康復醫(yī)學會運動療法分會第十一屆全國康復學術大會學術會議論文摘要匯編[C];2011年

7 李澤云;王昭君;林金生;盧攀;;運動想象聯(lián)合強制性運動療法治療腦卒中偏癱60例臨床觀察[A];中國康復醫(yī)學會腦血管病專業(yè)委員會換屆暨第十五次全國腦血管病康復學術年會、湖南省康復醫(yī)學會神經(jīng)康復專業(yè)委員會2012學術年會論文集[C];2012年

8 王艷;唐強;白震民;李娟;;頭穴叢刺與被動運動和運動想象結合對早期腦卒中患者運動功能的影響[A];中國康復醫(yī)學會第五屆全國康復治療學術會議論文集[C];2006年

9 劉佳;鄧景貴;陶希;宋紅;;運動想象療法對老年卒中偏癱患者肢體功能恢復的影響研究[A];中國康復醫(yī)學會腦血管病專業(yè)委員會換屆暨第十五次全國腦血管病康復學術年會、湖南省康復醫(yī)學會神經(jīng)康復專業(yè)委員會2012學術年會論文集[C];2012年

10 吳華;顧旭東;時美芳;吳彩虹;朱美紅;金妹;楊京輝;;虛擬現(xiàn)實技術結合運動想象療法對腦卒中患者上肢功能恢復的影響[A];2013浙江省物理醫(yī)學與康復學學術年會暨第八屆浙江省康復醫(yī)學發(fā)展論壇論文集[C];2013年

相關博士學位論文 前5條

1 魏慶國;基于運動想象的腦—機接口分類算法的研究[D];清華大學;2006年

2 閆靜;基于腦電的腦卒中患者運動想象認知過程的研究[D];上海交通大學;2012年

3 方永慧;基于運動想象腦電信號非線性特性分析的腦—機接口研究[D];重慶大學;2014年

4 周鵬;基于運動想象的腦機接口的研究[D];天津大學;2007年

5 孫莉敏;運動想象訓練促進腦卒中患者功能恢復的功能磁共振（fMRI）研究[D];復旦大學;2013年

相關碩士學位論文 前10條

1 楊勤;運動想象的腦功能分析[D];電子科技大學;2009年

2 胡永新;運動想象療法對腦卒中偏癱患者上肢功能恢復的影響[D];青島大學;2010年

3 郭旭宏;基于多類運動想象異步腦—機接口系統(tǒng)的研究[D];天津職業(yè)技術師范大學;2013年

4 劉華生;基于平行因子模型的運動想象腦電分類[D];中南大學;2011年

5 趙娜娜;近紅外光譜技術用于老年人大腦皮質(zhì)運動想象作用的研究[D];首都體育學院;2011年

6 崔薇;運動想象腦電分析方法研究[D];燕山大學;2013年

7 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;2008年

8 吳亞岑;運動想象療法在腦卒中偏癱患者下肢功能康復治療中的效果觀察[D];中南大學;2013年

9 孫寶民;運動想象療法對腦卒中偏癱患者日常生活能力的影響[D];青島大學;2011年

10 昌鳳玲;多類運動想象腦電模式識別及其在電動輪椅控制上的應用[D];杭州電子科技大學;2014年

，

本文編號：1619188