本文關(guān)鍵詞：基于運(yùn)動(dòng)想象的腦機(jī)接口研究

  更多相關(guān)文章： 腦機(jī)接口 AAR 累積小波熵 LDA UKF SVM

【摘要】：腦機(jī)接口(Brain Computer Interface,BCI)是通過計(jì)算機(jī)或者其他的電子設(shè)備在大腦與外界環(huán)境之間建立的一條獨(dú)立通路,它不依賴于肌肉組織和外周神經(jīng)直接實(shí)現(xiàn)對外交流和控制。腦機(jī)接口為喪失部分或全部肌肉控制功能的患者提供了一個(gè)與外界溝通的新途徑。本文主要研究了腦電數(shù)據(jù)的處理方法,對腦電信號(hào)處理中運(yùn)用的預(yù)處理、特征提取和模式分類算法做了詳細(xì)介紹,同時(shí)通過離線的兩分類運(yùn)動(dòng)想象腦電數(shù)據(jù)集對算法進(jìn)行驗(yàn)證。論文中首先概括介紹腦機(jī)接口的概念、系統(tǒng)組成,總結(jié)了腦機(jī)接口研究領(lǐng)域的興起、研究現(xiàn)狀以及應(yīng)用成果。詳細(xì)地闡述了腦電信號(hào)的預(yù)處理、特征提取和模式分類算法。特征提取算法的有效性直接影響著分類的效果,利用小波分解和小波重構(gòu)技術(shù)對運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行多尺度分析,提取出各個(gè)頻段里特征最明顯的信號(hào),對信號(hào)進(jìn)行求和平均處理,計(jì)算累積小波熵。將累積小波熵與AAR算法相結(jié)合,提取腦電信號(hào)的多維特征,提高了分類的正確率。仿真結(jié)果表明,對單獨(dú)子頻帶進(jìn)行分析,可以提取出隱藏在運(yùn)動(dòng)想象腦電信號(hào)中更為精確的信息,累積小波熵與AAR模型參數(shù)的結(jié)合,使分類準(zhǔn)確率明顯提高。分類器的選取尤為重要,提出了將基于無跡卡爾曼濾波(UKF)的神經(jīng)網(wǎng)路作為識(shí)別左右手腦電信號(hào)特征的分類器。UKF算法經(jīng)過快速的迭代運(yùn)算可準(zhǔn)確估計(jì)出神經(jīng)網(wǎng)絡(luò)的權(quán)值,完成對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。分類結(jié)果表明,該分類器的分類性能優(yōu)于常用的線性判別分析(LDA)和支持向量機(jī)分類器。針對運(yùn)動(dòng)想象兩分類腦電數(shù)據(jù)集,采用了多種特征提取與分類算法組合,分析小波熵在不同節(jié)律下的特征,將自適應(yīng)自回歸(AAR)與累積小波熵相結(jié)合,得到了更低的分類誤差。為了獲得更高的分類準(zhǔn)確率,本論文將基于UKF的神經(jīng)網(wǎng)路應(yīng)用在腦電數(shù)據(jù)處理分類器優(yōu)化問題上,并與LDA分類器和支持向量機(jī)(SVM)的分類結(jié)果作對比。最后介紹了BCI2000平臺(tái),對基于感覺運(yùn)動(dòng)節(jié)律的BCI實(shí)驗(yàn)進(jìn)行仿真,模擬意念控制。
【關(guān)鍵詞】：腦機(jī)接口 AAR 累積小波熵 LDA UKF SVM
【學(xué)位授予單位】：天津工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R338;TN911.7
【目錄】：

• 學(xué)位論文的主要?jiǎng)?chuàng)新點(diǎn)3-4
• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-19
• 1.1 大腦皮層結(jié)構(gòu)9-11
• 1.1.1 大腦皮層10
• 1.1.2 大腦兩個(gè)半球的區(qū)別與聯(lián)系10-11
• 1.2 腦電信號(hào)11-14
• 1.2.1 腦電的概念和歷史11-13
• 1.2.2 腦電的分類13-14
• 1.3 腦機(jī)接口14-18
• 1.3.1 腦機(jī)接口的概念及系統(tǒng)組成15
• 1.3.2 腦機(jī)接口的研究現(xiàn)狀15-18
• 1.4 內(nèi)容安排18-19
• 第二章 實(shí)驗(yàn)數(shù)據(jù)采集與預(yù)處理19-29
• 2.1 大腦信號(hào)的采集19-20
• 2.2 實(shí)驗(yàn)數(shù)據(jù)描述20-22
• 2.2.1 Graz數(shù)據(jù)描述20-21
• 2.2.2 Berlin數(shù)據(jù)描述21-22
• 2.3 數(shù)據(jù)預(yù)處理22-29
• 2.3.1 數(shù)據(jù)的限幅22-23
• 2.3.2 數(shù)據(jù)的帶通濾波23-25
• 2.3.3 小波濾波25-29
• 第三章 腦電信號(hào)的特征提取29-37
• 3.1 AAR模型參數(shù)估計(jì)29-31
• 3.2 小波熵31-35
• 3.2.1 腦電信號(hào)的多尺度小波分解和重構(gòu)31-32
• 3.2.2 小波包熵32-35
• 3.3 累積小波熵特征35-36
• 3.4 AAR參數(shù)與累積小波熵結(jié)合36-37
• 第四章 運(yùn)動(dòng)想象BCI的分類方法研究37-53
• 4.1 LDA分類器37-42
• 4.1.1 分類誤差仿真結(jié)果與分析37-38
• 4.1.2 Kappa系數(shù)仿真結(jié)果及分析38-39
• 4.1.3 互信息仿真結(jié)果及分析39-41
• 4.1.4 不同特征分類結(jié)果比較41-42
• 4.2 支持向量機(jī)42-45
• 4.2.1 仿真結(jié)果與分析44-45
• 4.3 人工神經(jīng)網(wǎng)絡(luò)45-47
• 4.4 基于UKF的神經(jīng)網(wǎng)絡(luò)47-50
• 4.4.1 UT變換47-48
• 4.4.2 UKF算法48-49
• 4.4.3 基于UKF的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法49
• 4.4.4 基于UKF的神經(jīng)網(wǎng)絡(luò)算法仿真49-50
• 4.5 左右手運(yùn)動(dòng)想象分類結(jié)果50-53
• 第五章 BCI2000與腦機(jī)接口53-59
• 5.1 BCI2000平臺(tái)53-55
• 5.1.1 一個(gè)公共模型53-54
• 5.1.2 源模塊及文件格式54
• 5.1.3 信號(hào)處理模塊54-55
• 5.1.4 用戶應(yīng)用模塊55
• 5.1.5 操作員模塊55
• 5.2 系統(tǒng)結(jié)構(gòu)55-57
• 5.2.1 啟動(dòng)55
• 5.2.2 Operator操作模塊55-56
• 5.2.3 過濾器56-57
• 5.3 基于感覺運(yùn)動(dòng)節(jié)律的BCI實(shí)驗(yàn)仿真57-59
• 5.3.1 實(shí)驗(yàn)過程57
• 5.3.2 結(jié)果分析57-59
• 第六章 總結(jié)與展望59-61
• 6.1 總結(jié)59-60
• 6.2 展望60-61
• 參考文獻(xiàn)61-67
• 攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果67-69
• 致謝69

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李晶;;人類大腦的神奇世界[J];世界文化;2015年10期

2 Changbo LI;Liangshu WANG;Bin SUN;Runhai FENG;Yongjing WU;;Interpretations of gravity and magnetic anomalies in the Songliao Basin with Wavelet Multi-scale Decomposition[J];Frontiers of Earth Science;2015年03期

3 黃錦標(biāo);張靈聰;許炯澤;;基于腦電信號(hào)的駕駛疲勞研究[J];人類工效學(xué);2015年04期

4 徐魯強(qiáng);肖光燦;;運(yùn)動(dòng)想象功率譜信號(hào)的模糊融合研究[J];計(jì)算機(jī)工程;2015年06期

5 孫瀚;張雄;張玉;郭曼云;;基于腦電信號(hào)的腦機(jī)接口技術(shù)[J];安徽科技;2015年04期

6 許允之;方永麗;褚鑫;賈立敬;陳魯娜;李曉波;陳奎;;小波包頻帶-能量重構(gòu)的異步電動(dòng)機(jī)轉(zhuǎn)子斷條故障診斷[J];煤礦機(jī)電;2015年02期

7 俱瑩;何佳;胡稷鑫;;經(jīng)典功率譜估計(jì)方法的研究[J];數(shù)字通信世界;2015年04期

8 麻利義;方鈺;方科亞;陳群;;基于AR模型便攜式心率變異系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];信息與電腦(理論版);2015年06期

9 王群;程佳;劉志文;;一種新的腦電信號(hào)睡眠分期方法[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2015年01期

10 曾志剛;黃廷文;廉城;;神經(jīng)信息處理[J];國際學(xué)術(shù)動(dòng)態(tài);2013年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 李紅利;癲癇腦電信號(hào)的非線性分析[D];天津大學(xué);2012年

2 王磊;基于運(yùn)動(dòng)想象的腦電信號(hào)分類與腦機(jī)接口技術(shù)研究[D];河北工業(yè)大學(xué);2009年

3 周鵬;基于運(yùn)動(dòng)想象的腦機(jī)接口的研究[D];天津大學(xué);2007年

4 魏慶國;基于運(yùn)動(dòng)想象的腦—機(jī)接口分類算法的研究[D];清華大學(xué);2006年

5 何慶華;基于視覺誘發(fā)電位的腦機(jī)接口實(shí)驗(yàn)研究[D];重慶大學(xué);2003年

，

本文編號(hào)：670769