本文關(guān)鍵詞：四類運(yùn)動(dòng)想象腦電信號特征分析與提取，由筆耕文化傳播整理發(fā)布。

【摘要】：腦-機(jī)接口（Brain Computer Interface，BCI）是在大腦和計(jì)算機(jī)或電子設(shè)備之間建立的一種不依賴于常規(guī)大腦輸出通道(外圍神經(jīng)和肌肉組織)的直接信息交流和控制通道，，它能為癱瘓病人，特別是那些思維正常但是喪失了基本肢體運(yùn)動(dòng)功能的患者提供一種與外界進(jìn)行交流新途徑。針對運(yùn)動(dòng)想象信號的同步與去同步特征分析與提取，論文采用08年腦-機(jī)接口大賽數(shù)據(jù)，研究了腦電信號的預(yù)處理、特征提取和分類，并設(shè)計(jì)了基于四類運(yùn)動(dòng)想象的實(shí)時(shí)BCI系統(tǒng)。主要研究工作如下： （1）針對腦電信號中摻雜著多類偽跡信號（眼電、心電干擾等）的現(xiàn)象，本文設(shè)計(jì)了基于獨(dú)立成分分析的濾波器，成功的濾除了眼電干擾，提高了腦電信號的信噪比，增強(qiáng)了腦電信號的頻域特征。 （2）對傳統(tǒng)的頻域分析法、時(shí)頻分析法（短時(shí)傅里葉變換和小波變換）、共空域模式法（Common Spatial Pattern，CSP）三大類特征提取方法的研究結(jié)果表明：共空域模式法對多通道、多類別腦電信號的特征提取效果優(yōu)于另兩類方法。在此基礎(chǔ)上將具有良好時(shí)頻特性的小波變換與CSP相結(jié)合，提出了一種頻域CSP方法——Wavelet-CSP，結(jié)果表明其分類結(jié)果明顯好于CSP。 （3）結(jié)合傳統(tǒng)的OVO-SVM(One-versus-one Support Vector Machine)、OVR-SVM(One-versus-the-rest Support Vector Machine)、DAG-SVM(DAG Support VectorMachine)三種多分類器結(jié)構(gòu)中各自的優(yōu)缺點(diǎn)，本文設(shè)計(jì)了全新的四分類器，所用的分類器數(shù)目更少、出現(xiàn)錯(cuò)分的概率更小，分類結(jié)果與傳統(tǒng)的三類方法相比較表明，所設(shè)計(jì)的四分類器分類結(jié)果更好。 （4）基于對運(yùn)動(dòng)想象腦電信號特征提取與分類的研究，本課題在LabVIEW平臺上設(shè)計(jì)了實(shí)時(shí)的BCI實(shí)驗(yàn)系統(tǒng)。腦電信號的采集系統(tǒng)由加拿大Thought Technology公司所研發(fā)，基于該設(shè)備能夠?qū)κ茉囌哳^皮運(yùn)動(dòng)想象區(qū)域的10個(gè)通道數(shù)據(jù)進(jìn)行實(shí)時(shí)采集與存儲。并且該系統(tǒng)能對腦電信號實(shí)時(shí)的特征提取和分類。
【關(guān)鍵詞】：腦-機(jī)接口系統(tǒng) 運(yùn)動(dòng)想象同步與去同步 獨(dú)立成分分析 共空域模式算法 支持向量機(jī)
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R49;TN911.6
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-22
• 1.1 研究背景和研究意義11-12
• 1.2 腦-機(jī)接口系統(tǒng)簡介12-17
• 1.2.1 腦-機(jī)接口的組成12-13
• 1.2.2 腦-機(jī)接口系統(tǒng)中腦電信號概述13-15
• 1.2.3 腦-機(jī)接口的分類15-17
• 1.3 基于運(yùn)動(dòng)想象腦-機(jī)接口系統(tǒng)的研究現(xiàn)狀17-19
• 1.3.1 腦電信號的特征提取17-18
• 1.3.2 腦電信號的分類方法18-19
• 1.4 腦-機(jī)接口系統(tǒng)研究現(xiàn)狀與存在的問題19-20
• 1.5 主要內(nèi)容20-22
• 第2章 腦電信號的采集與預(yù)處理22-34
• 2.1 腦電信號采集及腦電信號數(shù)據(jù)庫22-24
• 2.1.1 電極的擺放系統(tǒng)22-23
• 2.1.2 腦-機(jī)接口數(shù)據(jù)庫及其采集過程23-24
• 2.2 腦電信號的空域?yàn)V波24-27
• 2.3 獨(dú)立成分分析法濾波27-33
• 2.3.1 獨(dú)立成分分析的基本原理27-29
• 2.3.2 信號的白化29
• 2.3.3 FastICA 算法的基本原理29-30
• 2.3.4 腦電信號中眼電的去除30-33
• 2.4 本章小結(jié)33-34
• 第3章 腦電信號的特征分析與特征提取34-52
• 3.1 基于四分類運(yùn)動(dòng)想象的腦電信號的特征分析34-35
• 3.1.1 事件相關(guān)同步/去同步現(xiàn)象34
• 3.1.2 同步/去同步現(xiàn)象的量化34-35
• 3.1.3 四分類運(yùn)動(dòng)想象腦電信號的同步/去同步現(xiàn)象35
• 3.2 基于運(yùn)動(dòng)想象的腦電信號的特征提取35-41
• 3.2.1 頻域分析法36
• 3.2.2 時(shí)頻分析36-38
• 3.2.3 共空域模式算法基本原理38-41
• 3.2.4 改進(jìn)的共空域算法分析41
• 3.3 算法實(shí)現(xiàn)與結(jié)果分析41-51
• 3.3.1 頻域分析法41-43
• 3.3.2 STFT 分析法43-45
• 3.3.3 小波變換分析法45-46
• 3.3.4 CSP 算法及其改進(jìn)算法分析46-51
• 3.4 本章小結(jié)51-52
• 第4章 腦電信號的特征分類52-62
• 4.1 支持向量機(jī)的基本原理52-56
• 4.1.1 線性支持向量機(jī)52-55
• 4.1.2 非線性支持向量機(jī)55-56
• 4.2 四類運(yùn)動(dòng)想象腦電信號分類器的設(shè)計(jì)56-61
• 4.2.1 支持向量機(jī)程序設(shè)計(jì)56-58
• 4.2.2 四分類器結(jié)構(gòu)的設(shè)計(jì)58-61
• 4.3 本章小結(jié)61-62
• 第5章 基于 LabVIEW 的腦-機(jī)接口實(shí)時(shí)系統(tǒng)的設(shè)計(jì)62-70
• 5.1 實(shí)驗(yàn)系統(tǒng)的設(shè)計(jì)62-63
• 5.1.1 系統(tǒng)框架圖62
• 5.1.2 實(shí)驗(yàn)設(shè)計(jì)62-63
• 5.2 實(shí)驗(yàn)平臺的搭建63-68
• 5.2.1 腦電數(shù)據(jù)采集64-67
• 5.2.2 實(shí)時(shí)系統(tǒng)的特征提取和分類67-68
• 5.2.3 智能小車的控制68
• 5.3 實(shí)驗(yàn)結(jié)果及分析68-69
• 5.4 本章小結(jié)69-70
• 結(jié)論70-72
• 參考文獻(xiàn)72-76
• 攻讀學(xué)位期間發(fā)表論文與研究成果清單76-77
• 致謝77

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 楊旭,紀(jì)玉波,田雪;基于遺傳算法的SVM參數(shù)選取[J];遼寧石油化工大學(xué)學(xué)報(bào);2004年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 吳婷;自發(fā)腦電腦機(jī)接口模式識別關(guān)鍵技術(shù)與實(shí)驗(yàn)研究[D];上海交通大學(xué);2008年

  本文關(guān)鍵詞：四類運(yùn)動(dòng)想象腦電信號特征分析與提取，由筆耕文化傳播整理發(fā)布。

本文編號：360152