近些年來(lái),計(jì)算機(jī)技術(shù)迅速發(fā)展,人工智能也變得越來(lái)越火熱,越來(lái)越多的專家學(xué)者開(kāi)始著手研究腦電信號(hào)與計(jì)算機(jī)的結(jié)合。而腦機(jī)接口BCI（Brain Computer Interface）技術(shù)是在人腦或動(dòng)物腦（或者腦細(xì)胞的培養(yǎng)物）與計(jì)算機(jī)等外部設(shè)備建立了直接連接通路,通過(guò)對(duì)腦電信號(hào)進(jìn)行采集、記錄、計(jì)算等,將大腦的思維活動(dòng)翻譯成計(jì)算機(jī)可以執(zhí)行的指令,從而實(shí)現(xiàn)大腦與外界智能設(shè)備的交互與控制。腦機(jī)接口繞過(guò)了患者損傷的神經(jīng)肌肉系統(tǒng),讓大腦產(chǎn)生的含有生理狀態(tài)和指令腦電信號(hào)重新得到利用,讓人腦與外界重新進(jìn)行交互,為患者帶來(lái)新的希望,具有重要的研究?jī)r(jià)值和發(fā)展前景。本文將運(yùn)動(dòng)想象腦電信號(hào)作為研究對(duì)象,根據(jù)運(yùn)動(dòng)想象腦電信號(hào)具有事件相關(guān)去同步（Event Related Desynchronization,ERD）和事件相關(guān)同步（Event Related Synchronization,ERS）現(xiàn)象,針對(duì)運(yùn)動(dòng)想象腦電信號(hào)的特征提取問(wèn)題,采用頻帶能量特征特征提取、共同空間模式（Common Spatial Pattern,CSP）、雙樹(shù)復(fù)小波和近似熵的特征提取方法,對(duì)于腦電信號(hào)的分類問(wèn)題,則采用支持向量機(jī)的方法進(jìn)行... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
專用術(shù)語(yǔ)注釋表
第一章 緒論
    1.1 本文的研究背景及意義…
    1.2 腦機(jī)接口的概念…
    1.3 研究現(xiàn)狀
        1.3.1 國(guó)外研究狀狀
        1.3.2 國(guó)內(nèi)研究現(xiàn)狀
    1.4 論文的主要結(jié)構(gòu)
第二章 運(yùn)動(dòng)想象腦電信號(hào)和的相關(guān)知識(shí)
    2.1 腦電信號(hào)的產(chǎn)生及特點(diǎn)
        2.1.1 腦電信號(hào)產(chǎn)生的神經(jīng)肌理
        2.1.2 腦電信號(hào)的特點(diǎn)…
    2.2 運(yùn)動(dòng)想象腦電信號(hào)產(chǎn)生的生理基礎(chǔ)
        2.2.1 人腦的結(jié)構(gòu)和功能
        2.2.2 運(yùn)動(dòng)想象腦電信號(hào)的特點(diǎn)
第三章 腦電信號(hào)的采集
    3.1 數(shù)據(jù)采集目的
    3.2 數(shù)據(jù)采集平臺(tái)
    3.3 實(shí)驗(yàn)素材
    3.4 實(shí)驗(yàn)對(duì)象和環(huán)境
    3.5 數(shù)據(jù)采集流程
第四章 腦電信號(hào)的特征提取
    4.1 腦電信號(hào)的預(yù)處理
        4.1.1 腦電信號(hào)的處理流程
        4.1.2 腦電信號(hào)的預(yù)處理
    4.2 頻帶能量特征提取
        4.2.1 頻帶能量特征提取原理
        4.2.2 實(shí)驗(yàn)結(jié)果與分析
    4.3 共同空間模式特征提取
        4.3.1 共同空間模式特征提取原理
        4.3.2 實(shí)驗(yàn)結(jié)果與分析
    4.4 腦電信號(hào)的其他特征提取方法…
        4.4.1 雙樹(shù)復(fù)小波
        4.4.2 近似熵
        4.4.3 兩種分析方法比較
    4.5 本章小結(jié)…
第五章 腦電信號(hào)的模式識(shí)別
    5.1 模式識(shí)別的主要方法
        5.1.1 無(wú)監(jiān)督學(xué)習(xí)
        5.1.2 有監(jiān)督學(xué)習(xí)
    5.2 支持向量機(jī)分類器
        5.2.1 線性支持向量機(jī)
        5.2.2 非線性支持向量機(jī)
        5.2.3 懲罰因子和核參數(shù)的尋優(yōu)
    5.3 本章小結(jié)…
第六章 總結(jié)與展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間發(fā)表的小論文
附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]一種重復(fù)二分CSP 4類運(yùn)動(dòng)想象腦電信號(hào)特征提取算法[J]. 鄭戍華,閆琛,王向周.  北京理工大學(xué)學(xué)報(bào). 2016(08)
[2]基于最小二乘支持向量機(jī)的腦電信號(hào)分類[J]. 劉沖,于清文,陸志國(guó),王宏.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(05)
[3]基于形態(tài)濾波的心電信號(hào)去除基線漂移方法[J]. 龐宇,鄧璐,林金朝,李章勇,周前能,李國(guó)權(quán),黃華偉,張懿,吳煒.  物理學(xué)報(bào). 2014(09)
[4]基于分形維數(shù)和隱馬爾科夫特征的車牌識(shí)別[J]. 耿慶田,趙宏偉.  光學(xué)精密工程. 2013(12)
[5]腦電控制及檢測(cè)設(shè)備的研究與實(shí)現(xiàn)[J]. 閆俊濤,高立,任旭鵬.  數(shù)字技術(shù)與應(yīng)用. 2013(03)
[6]辯證情緒:研究方法及展望[J]. 劉書(shū)青,彭凱平,劉冠民,方平,林卓,李迪斯.  心理學(xué)探新. 2013(01)
[7]岷江上游干旱河谷土壤粒徑分布分形維數(shù)特征[J]. 伏耀龍,張興昌,王金貴.  農(nóng)業(yè)工程學(xué)報(bào). 2012(05)
[8]情緒障礙的認(rèn)知注意特征及其神經(jīng)機(jī)制[J]. 劉東臺(tái).  中國(guó)健康心理學(xué)雜志. 2007(10)
[9]無(wú)創(chuàng)高通訊速率的實(shí)時(shí)腦-機(jī)接口系統(tǒng)[J]. 高上凱.  中國(guó)基礎(chǔ)科學(xué). 2007(03)

博士論文
[1]癲癇腦電的分形分析及自動(dòng)檢測(cè)方法研究[D]. 張艷麗.山東大學(xué) 2016
[2]基于運(yùn)動(dòng)想象腦電信號(hào)非線性特性分析的腦—機(jī)接口研究[D]. 方永慧.重慶大學(xué) 2014
[3]EEG時(shí)空特征分析及其在BCI中的應(yīng)用[D]. 趙啟斌.上海交通大學(xué) 2008
[4]基于分形維數(shù)的中國(guó)海常見(jiàn)浮游植物細(xì)胞圖像特征提取[D]. 馮晨.中國(guó)海洋大學(xué) 2007
[5]黃土高原典型流域地貌形態(tài)分形特征與空間尺度轉(zhuǎn)換研究[D]. 朱永清.西安理工大學(xué) 2006
[6]基于視覺(jué)誘發(fā)電位的腦機(jī)接口實(shí)驗(yàn)研究[D]. 何慶華.重慶大學(xué) 2003

碩士論文
[1]基于運(yùn)動(dòng)想象的腦電信號(hào)分析研究[D]. 蘇振新.南京郵電大學(xué) 2017
[2]基于運(yùn)動(dòng)想象的腦電信號(hào)分類算法與腦-機(jī)接口技術(shù)研究[D]. 楊默涵.吉林大學(xué) 2017
[3]基于分形理論和信息熵的渭河流域生態(tài)環(huán)境狀況研究[D]. 周安康.西北農(nóng)林科技大學(xué) 2012
[4]不同腦部損傷腦卒中患者康復(fù)治療的實(shí)驗(yàn)研究[D]. 武娟娟.山西大學(xué) 2011



本文編號(hào)：3147653