腦機接口（Brain-Computer Interface,BCI）是一種腦機融合感知的新技術,它不依賴于人體自身的信息輸出系統(tǒng),而是通過在大腦與外部輔助設備之間建立的直接連接通路實現(xiàn)與周圍環(huán)境的交流。P300腦電信號是一種內(nèi)源性的事件相關電位,具有嚴格的鎖時性,因此被廣泛用作腦機接口系統(tǒng)的控制信號。針對P300電位非線性、非平穩(wěn)性以及個體差異性大等特點,本文結(jié)合機器學習和深度學習中的有關方法,從腦電信號的預處理、特征提取和分類識別等方面入手,對P300腦電信號處理算法進行研究。本文主要的研究工作如下:（1）提出一種將經(jīng)驗模態(tài)分解（Empirical Mode Decomposition,EMD）算法與頻譜分析算法相結(jié)合的P300腦電信號去噪方法:首先將原始腦電信號進行EMD分解,得到若干個固有模態(tài)分量（Intrinsic Mode Function,IMF）;然后根據(jù)P300電位的有效頻率范圍,使用頻譜分析算法保留有用的IMF分量并進行重構(gòu),即得到消噪后的腦電信號。將該方法與其他傳統(tǒng)的腦電信號去噪方法進行對比實驗,結(jié)果表明該方法具有較好的去噪效果。（2）使用小波包分解（Wavelet... 

【文章來源】：杭州電子科技大學浙江省

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 腦機接口概述
        1.2.1 腦機接口系統(tǒng)的組成
        1.2.2 腦機接口系統(tǒng)的分類
        1.2.3 腦機接口系統(tǒng)的應用場景
    1.3 國內(nèi)外研究現(xiàn)狀及存在的問題
    1.4 P300腦電信號的分析方法
    1.5 本文的主要內(nèi)容及組織結(jié)構(gòu)
第2章 腦電信號
    2.1 腦電信號概述
        2.1.1 大腦的基本結(jié)構(gòu)和功能
        2.1.2 腦電信號的產(chǎn)生機制
        2.1.3 腦電信號的采集
        2.1.4 腦電信號的特點
    2.2 事件相關電位與P300電位
        2.2.1 事件相關電位
        2.2.2 P300電位
    2.3 P300腦電信號的數(shù)據(jù)獲取
    2.4 本章小結(jié)
第3章 P300腦電信號的預處理
    3.1 常用的EEG信號消噪方法
        3.1.1 小波閾值去噪
        3.1.2 盲源分離
        3.1.3 自適應濾波
    3.2 基于EMD和頻譜分析的P300腦電信號消噪方法
        3.2.1 經(jīng)驗模態(tài)分解
        3.2.2 頻譜分析
        3.2.3 基于EMD和頻譜分析的P300腦電信號消噪
    3.3 實驗結(jié)果與分析
    3.4 本章小結(jié)
第4章 P300腦電信號的特征提取
    4.1 基于小波變換的特征提取
    4.2 基于小波包分解的特征提取
    4.3 實驗結(jié)果分析
    4.4 本章小結(jié)
第5章 P300腦電信號的分類
    5.1 支持向量機
        5.1.1 線性支持向量機
        5.1.2 非線性支持向量機
    5.2 線性判別分析
    5.3 卷積神經(jīng)網(wǎng)絡
        5.3.1 傳統(tǒng)的卷積神經(jīng)網(wǎng)絡
        5.3.2 常用的防止過擬合的方法
        5.3.3 改進的卷積神經(jīng)網(wǎng)絡
        5.3.4 評價標準
    5.4 實驗結(jié)果分析
        5.4.1 實驗重復次數(shù)對分類結(jié)果的影響
        5.4.2 Dropout和BN操作的作用
        5.4.3 P300腦電信號分類結(jié)果
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 研究展望
致謝
參考文獻
附錄



本文編號：3207204