運(yùn)動想象腦電信號識別是指通過分析識別腦電信號來推斷人的運(yùn)動意向,從而實(shí)現(xiàn)人與機(jī)器的直接交流。目前,運(yùn)動想象腦電識別技術(shù)已廣泛應(yīng)用于移動輔助機(jī)器人、上肢輔助機(jī)器人和腦卒中康復(fù)等醫(yī)療領(lǐng)域,以及腦控游戲和虛擬現(xiàn)實(shí)等娛樂領(lǐng)域。本文首先研究了該領(lǐng)域的國內(nèi)外相關(guān)工作,從基于傳統(tǒng)機(jī)器學(xué)習(xí)的腦電信號識別到最新的基于卷積神經(jīng)網(wǎng)絡(luò)的腦電信號識別,探討了目前基于卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動想象腦電信號識別存在的兩個不足:第一個不足是,這些方法在卷積神經(jīng)網(wǎng)絡(luò)中使用單一卷積尺度進(jìn)行特征提取和分類,但由于最適合的卷積核尺寸會因?qū)嶒?yàn)對象或時間而異,導(dǎo)致單一卷積尺度的卷積神經(jīng)網(wǎng)絡(luò)分類準(zhǔn)確率較低。第二個不足是,在訓(xùn)練數(shù)據(jù)有限的情況下,神經(jīng)網(wǎng)絡(luò)容易出現(xiàn)過擬合的現(xiàn)象,從而導(dǎo)致運(yùn)動想象腦電信號分類準(zhǔn)確率降低。為了解決單一卷積尺度的卷積神經(jīng)網(wǎng)絡(luò)的問題,本文提出了一種基于混合尺度卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動想象腦電識別算法,混合尺度卷積神經(jīng)網(wǎng)絡(luò)的多分支的結(jié)構(gòu)能夠盡可能提取到不同卷積尺度下不同域(時間、頻率、空間)中腦電信號的運(yùn)動相關(guān)信息,提高了運(yùn)動想象腦電信號的分類準(zhǔn)確率。另一方面,為了解決訓(xùn)練數(shù)據(jù)有限的問題,本文提出了一種針對腦電信號的數(shù)據(jù)增強(qiáng)算... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 運(yùn)動想象腦電信號識別技術(shù)簡介
        1.2.2 算法相關(guān)研究
        1.2.3 硬件相關(guān)研究
    1.3 本文的主要工作和結(jié)構(gòu)安排
        1.3.1 本文的主要工作
        1.3.2 本文的結(jié)構(gòu)安排
第二章 基于神經(jīng)網(wǎng)絡(luò)的運(yùn)動想象腦電信號識別算法設(shè)計
    2.1 傳統(tǒng)運(yùn)動想象腦電信號識別算法
        2.1.1 非端到端運(yùn)動想象腦電信號識別算法
        2.1.2 端到端運(yùn)動想象腦電信號識別算法
    2.2 基于混合尺度卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動想象腦電信號識別算法
        2.2.1 卷積核大小對腦電分類準(zhǔn)確率影響
        2.2.2 混合尺度卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        2.2.3 針對混合尺度卷積神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)增強(qiáng)
    2.3 本章小結(jié)
第三章 基于神經(jīng)網(wǎng)絡(luò)的運(yùn)動想象腦電信號識別硬件設(shè)計
    3.1 運(yùn)動想象腦電信號識別硬件架構(gòu)與工作流程
        3.1.1 運(yùn)動想象腦電信號識別硬件架構(gòu)
        3.1.2 運(yùn)動想象腦電信號識別硬件工作流程
    3.2 運(yùn)動想象腦電信號識別硬件控制部分
        3.2.1 指令
        3.2.2 主狀態(tài)機(jī)
    3.3 運(yùn)動想象腦電信號識別硬件計算部分
        3.3.1 乘累加操作
        3.3.2 激活操作與池化操作
        3.3.3 混合尺度卷積神經(jīng)網(wǎng)絡(luò)的計算優(yōu)化
    3.4 運(yùn)動想象腦電信號識別硬件存儲部分
    3.5 本章小結(jié)
第四章 實(shí)驗(yàn)結(jié)果與分析
    4.1 軟硬件開發(fā)平臺介紹
    4.2 實(shí)驗(yàn)數(shù)據(jù)集介紹
        4.2.1 數(shù)據(jù)集2a
        4.2.2 數(shù)據(jù)集2b
        4.2.3 數(shù)據(jù)預(yù)處理
    4.3 算法實(shí)驗(yàn)結(jié)果與分析
        4.3.1 混合尺度卷積神經(jīng)網(wǎng)絡(luò)與單尺度卷積神經(jīng)網(wǎng)絡(luò)對比實(shí)驗(yàn)
        4.3.2 數(shù)據(jù)增強(qiáng)方法對比實(shí)驗(yàn)
        4.3.3 與其他運(yùn)動想象腦電識別算法的對比實(shí)驗(yàn)
    4.4 硬件實(shí)驗(yàn)結(jié)果與分析
        4.4.1 硬件功能測試與分析
        4.4.2 硬件實(shí)時性測試與分析
        4.4.3 硬件資源開銷分析
    4.5 本章小結(jié)
第五章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
個人簡介及攻讀碩士期間取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于FPGA的腦電信號CSP算法實(shí)現(xiàn)[J]. 萬安,凌朝東.  微型機(jī)與應(yīng)用. 2014(10)
[2]2006年第二次全國殘疾人抽樣調(diào)查主要數(shù)據(jù)公報[J]. Leading Group of the Second China National Sample Survey on Disability, National Bureau of Statistics of the People’s Republic of China.  中國康復(fù)理論與實(shí)踐. 2006(12)

博士論文
[1]運(yùn)動想象腦電信號處理與P300刺激范式研究[D]. 施錦河.浙江大學(xué) 2012

碩士論文
[1]基于協(xié)調(diào)運(yùn)動想象的腦電信號識別研究[D]. 周瑩.杭州電子科技大學(xué) 2019
[2]基于FPGA的腦電分析算法研究與實(shí)現(xiàn)[D]. 邊宏亮.東北大學(xué) 2011



本文編號：2936306