本文關鍵詞：進化算法在運動想象腦機接口導聯(lián)選擇中應用研究

  更多相關文章： 腦機接口 共空域模式 導聯(lián)選擇 回溯搜索優(yōu)化算法 二進制粒子群優(yōu)化 支持向量機 Fisher線性判別分析

【摘要】：腦機接口(Brain computer interface,BCI)是一種人與機器(如電腦)直接交互,而不依靠身體的神經(jīng)、肌肉等,直接提取大腦信號傳送到外部世界,控制外部設備的通訊系統(tǒng)。經(jīng)過40年的發(fā)展,腦機接口已經(jīng)開始從實驗室的理論研究逐步運用于現(xiàn)實的生活領域。在基于運動想象的腦機接口(BCI)系統(tǒng)中,共空域模式(Common spatial pattern,CSP)算法是一種常用的空域濾波及腦電信號特征提取算法。雖然CSP在一定程度上能提取到腦電信號,但在源信號的采集和腦電信號的記錄中CSP算法采用了嚴格的線性模式假設關系,使得CSP算法過分受限于受試者的原始記錄參數(shù),如信號時間段、濾波頻帶、電極通道數(shù)等,因而不能準確有效地描述大腦特征信號。為了匹配和適應受試者原始記錄參數(shù)來提取腦電的特征信號,以達到改善CSP算法的性能,本文使用兩種優(yōu)化算法對受試者的電極通道數(shù)進行優(yōu)化選擇。一種是回溯搜索算法(Backtracking search optimization algorithm,BSA),另一種是二進制粒子群優(yōu)化(Binary particle swarm optimization,BPSO)。另外,本文還介紹了兩種常用的分類算法:支持向量機(Support vector machine,SVM),Fisher線性判別分析(Fisher line discriminant analysis,FLDA)。在導聯(lián)的優(yōu)化中,選擇的導聯(lián)數(shù)目由BSA和BPSO的性質(zhì)決定。使用第三、四屆BCI競賽數(shù)據(jù)集進行了導聯(lián)選擇實驗。實驗結(jié)果表明:與全部導聯(lián)使用相比,導聯(lián)的數(shù)目大幅度減少,優(yōu)化導聯(lián)后取得分類正確率略有提高。
【關鍵詞】：腦機接口 共空域模式 導聯(lián)選擇 回溯搜索優(yōu)化算法 二進制粒子群優(yōu)化 支持向量機 Fisher線性判別分析
【學位授予單位】：南昌大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN911.7;R49
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 緒論7-17
• 1.1 腦機接口的背景現(xiàn)狀7-8
• 1.2 腦機接口的結(jié)構原理及分類8-13
• 1.2.1 腦機接口基本結(jié)構及原理8-11
• 1.2.2 腦機接口的分類及評價準則11-13
• 1.3 腦機接口研究應用及進展13-15
• 1.4 本文的主要內(nèi)容15-17
• 第2章 腦電信號特點及實驗數(shù)據(jù)采集17-27
• 2.1 腦電信號產(chǎn)生17-19
• 2.2 腦電信號分類19-20
• 2.3 ERD/ERS現(xiàn)象20-22
• 2.4 實驗數(shù)據(jù)采集22-27
• 2.4.1 BCI競賽數(shù)據(jù)集一23-24
• 2.4.2 BCI競賽數(shù)據(jù)集二24-27
• 第3章 腦電信號EEG特征提取及特征分類27-36
• 3.1 共空域模式(CSP)27-28
• 3.2 兩類CSP算法的改進28-29
• 3.3 分類器設計29-34
• 3.3.1 Fisher線性判別分析29-32
• 3.3.2 支持向量機32-34
• 3.4 交叉驗證34-36
• 第4章 進化算法在BCI導聯(lián)選擇中的應用36-51
• 4.1 進化算法的原理36-41
• 4.1.1 回溯搜索優(yōu)化算法(BSA)的基本原理36-38
• 4.1.2 二進制粒子群算法(BPSO)的基本原理38-41
• 4.2 導聯(lián)優(yōu)化實驗設計41-44
• 4.2.1 基于BSA-CSP的導聯(lián)選擇41-42
• 4.2.2 基于BPSO-CSP的導聯(lián)選擇42-44
• 4.2.3 10x5 倍交叉驗證策略44
• 4.3 實驗數(shù)據(jù)的分類結(jié)果及對比分析44-51
• 4.3.1 兩種算法用于BCI競賽數(shù)據(jù)集一44-47
• 4.3.2 兩種算法用于BCI競賽數(shù)據(jù)集二47-51
• 第5章 總結(jié)與展望51-53
• 5.1 全文總結(jié)51
• 5.2 未來展望51-53
• 致謝53-54
• 參考文獻54-58
• 攻讀學位期間的研究成果58

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前9條

1 謝佩;吳小俊;;分塊多線性主成分分析及其在人臉識別中的應用研究[J];計算機科學;2015年03期

2 王莉娜;姜相奪;蘆玉華;;基于時變自回歸模型的非平穩(wěn)數(shù)據(jù)預測方法研究[J];微型電腦應用;2014年08期

3 李勃;;腦機接口技術研究綜述[J];數(shù)字通信;2013年04期

4 楊俊美;余華;韋崗;;獨立分量分析及其在信號處理中的應用[J];華南理工大學學報(自然科學版);2012年11期

5 李翔;高小榕;高上凱;;一種基于兩種不同范式的混合型腦-機接口系統(tǒng)[J];中國生物醫(yī)學工程學報;2012年03期

6 毛健;趙紅東;姚婧婧;;人工神經(jīng)網(wǎng)絡的發(fā)展及應用[J];電子設計工程;2011年24期

7 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

8 張勝;王蔚;;基于支持向量機的BCI導聯(lián)選擇算法[J];中國生物醫(yī)學工程學報;2009年04期

9 ;Classification using wavelet packet decomposition and support vector machine for digital modulations[J];Journal of Systems Engineering and Electronics;2008年05期

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 余天佑;多模態(tài)與多自由度腦機接口研究[D];華南理工大學;2013年

2 周群;腦電信號同步：方法及應用研究[D];電子科技大學;2009年

3 趙啟斌;EEG時空特征分析及其在BCI中的應用[D];上海交通大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 魏中海;進化優(yōu)化算法在運動想象腦機接口中的應用研究[D];南昌大學;2015年

2 崔燕;基于運動想象腦電的手臂運動功能康復研究[D];北京工業(yè)大學;2013年

3 王艷梅;多任務腦—機接口導聯(lián)選擇與分類算法研究[D];南昌大學;2012年

4 陳魁;CSP算法在多任務下的擴展及在腦—機接口中的應用[D];南昌大學;2010年

，

本文編號：1135369