本文關鍵詞：基于小波分解和Teager能量算子的P300特征提取及分類算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：腦電作為最普遍和緊要的人體生物電之一,根據研究表明其含有豐碩的生理、心理及病理信息。腦機接口(brain-computer interface, BCI)是一種生命科學領域的通訊接口,研究表明通過記錄腦電信號,并對腦電信號進行一定的處理后能夠解讀出被測試的人體大腦的思維,因此能夠將其轉換成機器能識別的控制命令從而實現(xiàn)人腦對計算機、輪椅、家用電器和機器人等控制,因此科研人員研究腦電信號具有舉足輕重的意義,主要運用于腦功能分析、臨床神經科疾病分析、判斷人思維乃至國防工業(yè)等方面�；谝曈X誘發(fā)電位P300的腦機接口比較容易實現(xiàn),因此本論文主要是研究如何判斷采用視覺誘發(fā)獲得的腦電數(shù)據中是否含有誘發(fā)電位P300及其處理方法：1.在腦電采集系統(tǒng)中,工頻干擾是最常見的干擾之一,在硬件上進行強制性去工頻干擾會去掉有用的腦電信號,所以使用算法軟式去工頻干擾,可以減少腦電信息的丟失,因此本論文對腦電信號預處理時專門設計了一個工頻陷波器,濾掉50Hz的工頻干擾,它能在保證其他頻率的信號不損失的情況下,有效的抑制輸入信號中某一頻率信息。2.工頻濾波后的腦電數(shù)據可能還是含有其他的噪聲,甚至被噪聲淹沒,使提取腦電數(shù)據的特征帶來了非常大的困難,所以去除掉噪聲為下步特征提取做好準備具有重要意義。由于小波分析是一類窗口大小不變,大小可變的典型的不論在時域還是頻域都有不錯的局部化信號分析方法,其可根據被分析的信號的特點自適應地分析不同尺度的被分析信號,所以本論文使用基于小波基‘'sym6"勺小波分析進行默認閾值去噪；3.為了提高分辨的速度和提取腦電數(shù)據時域的特征量,進行腦電數(shù)據降維的同時保存腦電數(shù)據時域的基本特征是普遍的做法。根據對小波分解的介紹和分析,本論文采用了基于小波基“sym6”的腦電數(shù)據分解,一段采樣點206的腦電數(shù)據的經過小波分解后降維到23個點；4.為了獲得更多P300的特征量已到達訓練出更好的支持向量機分類模型,本論文提出了采集腦電數(shù)據的能量域特征,因此引入了Teager能量算子。Teager能量算子的計算比較簡單因此在計算一段標記區(qū)間的腦電數(shù)據比較迅速；5.腦電數(shù)據進行時域和能量域的特征提取后,要使用一種方法進行二分類判斷其是否含有P300。本論文提出了采用支持向量機進行二分類,選用基于RBF核函數(shù)的支持向量機分類模型能夠滿足判斷腦電數(shù)據是否含有P300的要求。因此,本文提出的基于小波分解和Teager能量算子的綜合特征提取算法比只基于時域特征提取的算法精度更高。具有比較好的理論研究和應用價值。
【關鍵詞】：BCI P300 小波分解 Teager能量算子 支持向量機
【學位授予單位】：廣東工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN911.7;R338
【目錄】：

• 摘要4-6
• Abstract6-12
• 第一章 緒論12-17
• 1.1 研究背景及意義12-14
• 1.2 P300腦電信號處理國內外研究現(xiàn)狀14-16
• 1.3 論文的主要研究內容及結構安排16-17
• 第二章 P300特征提取及分類算法整體框架17-22
• 2.1 腦電的電生理學基礎17-18
• 2.2 P300原理18-20
• 2.3 P300特征提取及分類算法框架20-21
• 2.4 小結21-22
• 第三章 P300特征提取22-40
• 3.1 腦電信號預處理22-35
• 3.1.1 工頻陷波器22-23
• 3.1.2 基于小波分析的腦電信號去噪算法23-35
• 3.2 腦電信號的特征提取35-39
• 3.2.1 基于小波分析的腦電信號特征提取35-38
• 3.2.2 基于Teager能量算子的腦信號能量特征提取38
• 3.2.3 特征提取算法38-39
• 3.3 小結39-40
• 第四章 腦電信號的支持向量機分類40-46
• 4.1 支持向量機基本原理40-45
• 4.2 腦電信號的支持向量機二分類45
• 4.3 小結45-46
• 第五章 測試平臺搭建及測試結果分析46-66
• 5.1 測試平臺搭建46-49
• 5.1.1 范式誘發(fā)P300界面設計46-47
• 5.1.2 改進的范式刺激誘發(fā)界面設計47-49
• 5.2 腦電信號的測試結果與分析49-64
• 5.2.1 預處理結果及分析50-57
• 5.2.2 特征提取結果及分析57-64
• 5.3 小結64-66
• 結論和展望66-68
• 參考文獻68-72
• 攻讀學位期間的科研成果72-74
• 致謝74

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 葛丁飛;李小梅;;心電信號多周期融合特征提取和分類研究[J];中國生物醫(yī)學工程學報;2006年06期

2 張紹武;潘泉;趙春暉;程詠梅;;基于加權自相關函數(shù)特征提取法的多類蛋白質同源寡聚體分類研究[J];生物醫(yī)學工程學雜志;2007年04期

3 薛建中,鄭崇勛,閆相國;快速多變量自回歸模型的意識任務的特征提取與分類[J];西安交通大學學報;2003年08期

4 楊曉敏,羅立民;白細胞自動分類中的特征提取和分析[J];北京生物醫(yī)學工程;1992年04期

5 王雙維;樊曉平;廖志芳;;一種激光誘導熒光光譜特征提取新方法[J];計算機工程與應用;2008年12期

6 杜軍平,涂序彥;計算機圖像處理技術在舌像特征提取中的應用[J];中國醫(yī)學影像技術;2003年S1期

7 游佳;陳卉;;數(shù)字圖像中血管的分割與特征提取[J];生物醫(yī)學工程與臨床;2011年01期

8 謝軼峰;;乳腺超聲圖像腫瘤特征提取與腫瘤分類[J];中外醫(yī)療;2013年16期

9 吳澤暉,吳星;醫(yī)學圖象的邊緣特征提取[J];海南師范學院學報(自然科學版);2003年03期

10 楊曉敏，，羅立民，韋鈺;血液白細胞計算機分類中的特征提取研究[J];應用科學學報;1994年02期

中國重要會議論文全文數(shù)據庫 前10條

1 尚修剛;蔣慰孫;;模糊特征提取新算法[A];1997中國控制與決策學術年會論文集[C];1997年

2 潘榮江;孟祥旭;楊承磊;王銳;;旋轉體的幾何特征提取方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

3 薛燕;李建良;朱學芳;;人臉識別中特征提取的一種改進方法[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

4 杜栓平;曹正良;;時間—頻率域特征提取及其應用[A];2005年全國水聲學學術會議論文集[C];2005年

5 黃先鋒;韓傳久;陳旭;周劍軍;;運動目標的分割與特征提取[A];全國第二屆信號處理與應用學術會議�？痆C];2008年

6 魏明果;;方言比較的特征提取與矩陣分析[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

7 林土勝;賴聲禮;;視網膜血管特征提取的拆支跟蹤法[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 秦建玲;李軍;;基于核的主成分分析的特征提取方法與樣本篩選[A];2005年中國機械工程學會年會論文集[C];2005年

9 劉紅;陳光

本文編號：259088