本文關(guān)鍵詞：基于運(yùn)動(dòng)想象的異步腦—機(jī)接口算法研究

  更多相關(guān)文章： 腦-機(jī)接口 獨(dú)立分量分析 期望最大化 共同空間模式 半監(jiān)督學(xué)習(xí)

【摘要】：腦-機(jī)接口系統(tǒng)是不依賴肌肉組織,直接在腦和外部設(shè)備之間建立的通訊和控制通道,在頭皮處測(cè)量得到的腦電信號(hào),可以通過一系列的處理方式從中解析出被試者當(dāng)前的思維狀態(tài),這是一種全新的交互方式,可以用于醫(yī)療,軍事,娛樂等各個(gè)領(lǐng)域,在過去的幾十年里獲得了蓬勃的發(fā)展。本文對(duì)左右手運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行研究,從信號(hào)處理算法的角度討論實(shí)用性腦-機(jī)接口系統(tǒng)需解決的關(guān)鍵問題并提出解決方案。因?yàn)槟X電信號(hào)十分微弱,其中還混雜著各種偽跡干擾,不利于后續(xù)的研究。本文基于獨(dú)立分量分析的分解結(jié)果,計(jì)算每個(gè)獨(dú)立分量的時(shí)間,空間特征,通過期望最大化算法計(jì)算偽跡相關(guān)分量和腦電信號(hào)分量?jī)深愄卣鞯姆诸愰撝?自動(dòng)識(shí)別并去除偽跡成分。對(duì)于去偽跡前后的運(yùn)動(dòng)想象腦電信號(hào),通過觀察其中的“事件相關(guān)去同步/事件相關(guān)同步”現(xiàn)象,證實(shí)了算法可以突出與所研究問題相關(guān)的信號(hào)特征,解決以往的手動(dòng)挑選偽跡相關(guān)分量為腦電信號(hào)去偽跡預(yù)處理帶來不便的問題。對(duì)腦電信號(hào)的模式識(shí)別是腦-機(jī)接口系統(tǒng)處理算法的核心部分,這部分包括的主要內(nèi)容是腦電信號(hào)的特征提取和分類。本文利用能最大化兩類腦電信號(hào)差異的共同空間模式算法來提取兩類,三類運(yùn)動(dòng)想象腦電信號(hào)特征,利用樸素貝葉斯分類器,支持向量機(jī),線性判別分析等方法對(duì)特征在同步情形下進(jìn)行分類,給出分類正確率的比較;并針對(duì)實(shí)際應(yīng)用的情況,給出異步情形下的信號(hào)處理方法和結(jié)果的評(píng)價(jià)指標(biāo):任務(wù)檢測(cè)的靈敏度,誤報(bào)率和有任務(wù)情況下兩類運(yùn)動(dòng)想象腦電信號(hào)的分類正確率。針對(duì)腦電信號(hào)非平穩(wěn)變化的特點(diǎn),基于半監(jiān)督學(xué)習(xí)的思想,提出利用一組特征典型的訓(xùn)練樣本,結(jié)合實(shí)時(shí)生成的腦電信號(hào),在線更新分類器參數(shù)。較分類器不更新而言,得到了更好的分類結(jié)果。結(jié)合以上對(duì)各關(guān)鍵問題的研究,設(shè)計(jì)了腦電信號(hào)分析處理系統(tǒng),系統(tǒng)設(shè)計(jì)模擬腦-機(jī)接口系統(tǒng)實(shí)際的使用場(chǎng)景,實(shí)現(xiàn)了從原始腦電信號(hào)到使用者當(dāng)前運(yùn)動(dòng)想象狀態(tài)的解析。
【關(guān)鍵詞】：腦-機(jī)接口 獨(dú)立分量分析 期望最大化 共同空間模式 半監(jiān)督學(xué)習(xí)
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R338;TN911.7
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-14
• 1.1 腦-機(jī)接口的定義與研究意義9-10
• 1.2 腦-機(jī)接口的研究現(xiàn)狀分析10-12
• 1.3 實(shí)用腦-機(jī)接口的發(fā)展要求12-13
• 1.4 本文主要研究?jī)?nèi)容13-14
• 第2章 運(yùn)動(dòng)想象腦電信號(hào)特點(diǎn)及預(yù)處理方法14-28
• 2.1 引言14
• 2.2 腦電信號(hào)特點(diǎn)14-16
• 2.3 運(yùn)動(dòng)想象腦電的生理基礎(chǔ)16-18
• 2.4 運(yùn)動(dòng)想象腦電信號(hào)的去偽跡預(yù)處理18-27
• 2.4.1 獨(dú)立分量分析在眼電偽跡去除中的應(yīng)用19-20
• 2.4.2 基于獨(dú)立分量時(shí)空特征的眼電偽跡自動(dòng)識(shí)別算法20-27
• 2.5 本章小結(jié)27-28
• 第3章 運(yùn)動(dòng)想象腦電特征提取及分類28-46
• 3.1 引言28
• 3.2 左右手運(yùn)動(dòng)想象腦電信號(hào)特征提取28-31
• 3.2.1 基于空間濾波器的設(shè)計(jì)方法28-31
• 3.2.2 CSP方法抗噪性分析31
• 3.3 同步情形下的運(yùn)動(dòng)想象腦電信號(hào)分類31-34
• 3.3.1 線性判別分析32-33
• 3.3.2 左右手運(yùn)動(dòng)想象腦電信號(hào)樣本分類33-34
• 3.4 異步情形下的運(yùn)動(dòng)想象腦電信號(hào)分類34-44
• 3.4.1 一類運(yùn)動(dòng)想象任務(wù)的檢出35-42
• 3.4.2 兩類運(yùn)動(dòng)想象任務(wù)的檢出42-44
• 3.5 本章小結(jié)44-46
• 第4章 基于期望最大化的分類器在線更新方法46-54
• 4.1 引言46
• 4.2 拓展的期望最大化算法46-52
• 4.2.1 半監(jiān)督學(xué)習(xí)的基本思想46-47
• 4.2.2 運(yùn)動(dòng)想象腦電信號(hào)的非平穩(wěn)變化47-49
• 4.2.3 拓展的期望最大化算法49-51
• 4.2.4 改進(jìn)EM算法的性能分析51-52
• 4.3 分類器在線更新實(shí)驗(yàn)及結(jié)果分析52-53
• 4.4 本章小結(jié)53-54
• 第5章 腦電信號(hào)分析處理系統(tǒng)54-60
• 5.1 引言54
• 5.2 平臺(tái)搭建與配置54
• 5.3 腦電信號(hào)處理系統(tǒng)總體實(shí)現(xiàn)方案54-55
• 5.4 系統(tǒng)關(guān)鍵環(huán)節(jié)的設(shè)計(jì)55-56
• 5.5 系統(tǒng)界面及基本功能56-59
• 5.6 系統(tǒng)測(cè)試59
• 5.7 本章小結(jié)59-60
• 結(jié)論60-61
• 參考文獻(xiàn)61-65
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果65-67
• 致謝67

，

本文編號(hào)：535985