本文關(guān)鍵詞：基于運動想象的腦—機接口特征提取和分類算法研究

  更多相關(guān)文章： 腦-機接口 運動相關(guān)電位 事件相關(guān)去同步/同步 判別空域模式

【摘要】：腦-機接口(Brain-computer interface, BCI)一種新型的人機交互系統(tǒng),它以腦信號為信息載體,直接把人的思維活動轉(zhuǎn)換為控制命令來控制外部設(shè)備。BCI在醫(yī)療、軍事、交通等領(lǐng)域有著廣泛的應(yīng)用前景。其中,基于運動想象的BCI的研究,是近年來BCI研究領(lǐng)域的熱點。提高該類BCI系統(tǒng)的可靠性與性能的關(guān)鍵在于對運動想象腦電信號的模式識別,主要包括三部分：預(yù)處理、特征提取和分類,本文的重點是針對運動相關(guān)電位(Movement related potential, MRP)和事件相關(guān)去同步/同步(Event-related desynchronization/synchronization,ERD/ERS)的特征提取和分類算法的研究,主要工作包括：(1)證明判別空域模式算法(Discriminative spatial patterns,DSP)的空間濾波與特征選擇和分類的不一致。DSP的空間濾波通過調(diào)整時間序列之間的距離來讓不同類別的數(shù)據(jù)分離開,但DSP最終采用時間序列的均值來作為特征,這與空間濾波是不一致的。此外,DSP的空間濾波器和后續(xù)的分類器也不是基于同一目標(biāo)進行優(yōu)化的,因此,DSP的空間濾波和分類是不一致的。這兩個不足可能會降低分類精度。(2)一種針對MRP特征提取和分類的基于邏輯回歸的聯(lián)合框架研究。該框架是對DSP算法的擴展。針對DSP的空間濾波和特征選擇的不一致,該框架直接計算空間濾波后時間序列之間的距離來作為分類特征。針對DSP的空間濾波與分類的不一致,該框架將空間濾波、特征提取和分類聯(lián)合在同一個最小化經(jīng)驗風(fēng)險的優(yōu)化問題下,對三者進行聯(lián)合優(yōu)化。實驗結(jié)果證明,基于邏輯回歸模型的聯(lián)合分類框架能夠更加準(zhǔn)確地提取MRP的時空特性,有效提高BCI系統(tǒng)的分類精度和魯棒性。(3)一種針對ERD特征提取和分類的基于線性嶺回歸模型的聯(lián)合框架研究。該框架運用高斯核函數(shù)來計算各電極之間的非線性空間相關(guān)性,并以此作為ERD的分類特征。此外,該框架整合了信號的預(yù)處理、特征提取和分類,并對三者進行聯(lián)合優(yōu)化,利用梯度下降法求最小留一交叉驗證誤差來自動選擇出最優(yōu)的預(yù)處理和分類參數(shù)。實驗證明,該框架能提取更準(zhǔn)確的ERD特征,提高ERD分類精度。
【關(guān)鍵詞】：腦-機接口 運動相關(guān)電位 事件相關(guān)去同步/同步 判別空域模式
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN911.7;R338
【目錄】：

• 摘要4-5
• Abstract5-11
• 第一章 緒論11-19
• 1.1 BCI技術(shù)概述11-14
• 1.2 BCI的研究意義14-15
• 1.3 BCI信號處理方法的研究現(xiàn)狀15-17
• 1.3.1 BCI中的特征提取方法15-16
• 1.3.2 BCI中的分類方法16-17
• 1.3.3 BCI信號處理方法的主要問題17
• 1.4 本文的主要研究內(nèi)容17-19
• 第二章 運動想象BCI的研究基礎(chǔ)19-29
• 2.1 大腦的結(jié)構(gòu)和功能區(qū)19-21
• 2.1.1 大腦和大腦皮層的結(jié)構(gòu)19-20
• 2.1.2 大腦皮層的感覺運動區(qū)20-21
• 2.2 EEG的產(chǎn)生機理及分類21-25
• 2.2.1 EEG信號的采集22-23
• 2.2.2 EEG信號產(chǎn)生的機理23-24
• 2.2.3 EEG信號的分類24-25
• 2.3 運動想象的神經(jīng)生理背景25-27
• 2.3.1 運動相關(guān)電位25-26
• 2.3.2 事件相關(guān)去同步/同步26-27
• 2.4 本章總結(jié)27-29
• 第三章 針對MRP特征提取和分類的聯(lián)合框架29-45
• 3.1 已有的MRP特征提取算法29-30
• 3.2 DSP算法的不一致證明30-33
• 3.2.1 DSP濾波與特征提取的不一致31
• 3.2.2 DSP濾波與分類的不一致31-33
• 3.3 基于邏輯回歸模型的聯(lián)合分類框架33-36
• 3.4 實驗準(zhǔn)備36-38
• 3.4.1 實驗數(shù)據(jù)來源36-37
• 3.4.2 數(shù)據(jù)預(yù)處理37-38
• 3.4.3 參數(shù)選擇38
• 3.5 實驗結(jié)果及分析38-44
• 3.5.1 空間濾波器的對比38-40
• 3.5.2 MRP的分類效果的對比40-42
• 3.5.3 MRP+ERD的分類效果的對比42-44
• 3.6 本章總結(jié)44-45
• 第四章 針對ERD/ERS特征提取和分類的聯(lián)合框架45-55
• 4.1 已有的ERD/ERS特征提取算法45-47
• 4.2 基于LRR模型的聯(lián)合分類框架47-51
• 4.3 實驗結(jié)果及分析51-54
• 4.3.1 聯(lián)合框架的收斂性52
• 4.3.2 分類效果的比較52-53
• 4.3.3 時頻模式的比較53-54
• 4.4 本章總結(jié)54-55
• 總結(jié)與展望55-57
• 參考文獻57-62
• 攻讀學(xué)位期間的科研成果62-64
• 致謝64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 葛丁飛;李小梅;;心電信號多周期融合特征提取和分類研究[J];中國生物醫(yī)學(xué)工程學(xué)報;2006年06期

2 張紹武;潘泉;趙春暉;程詠梅;;基于加權(quán)自相關(guān)函數(shù)特征提取法的多類蛋白質(zhì)同源寡聚體分類研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2007年04期

3 薛建中,鄭崇勛,閆相國;快速多變量自回歸模型的意識任務(wù)的特征提取與分類[J];西安交通大學(xué)學(xué)報;2003年08期

4 楊曉敏,羅立民;白細(xì)胞自動分類中的特征提取和分析[J];北京生物醫(yī)學(xué)工程;1992年04期

5 王雙維;樊曉平;廖志芳;;一種激光誘導(dǎo)熒光光譜特征提取新方法[J];計算機工程與應(yīng)用;2008年12期

6 杜軍平,涂序彥;計算機圖像處理技術(shù)在舌像特征提取中的應(yīng)用[J];中國醫(yī)學(xué)影像技術(shù);2003年S1期

7 游佳;陳卉;;數(shù)字圖像中血管的分割與特征提取[J];生物醫(yī)學(xué)工程與臨床;2011年01期

8 謝軼峰;;乳腺超聲圖像腫瘤特征提取與腫瘤分類[J];中外醫(yī)療;2013年16期

9 吳澤暉,吳星;醫(yī)學(xué)圖象的邊緣特征提取[J];海南師范學(xué)院學(xué)報(自然科學(xué)版);2003年03期

10 楊曉敏，羅立民，，韋鈺;血液白細(xì)胞計算機分類中的特征提取研究[J];應(yīng)用科學(xué)學(xué)報;1994年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 尚修剛;蔣慰孫;;模糊特征提取新算法[A];1997中國控制與決策學(xué)術(shù)年會論文集[C];1997年

2 潘榮江;孟祥旭;楊承磊;王銳;;旋轉(zhuǎn)體的幾何特征提取方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

3 薛燕;李建良;朱學(xué)芳;;人臉識別中特征提取的一種改進方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

4 杜栓平;曹正良;;時間—頻率域特征提取及其應(yīng)用[A];2005年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2005年

5 黃先鋒;韓傳久;陳旭;周劍軍;;運動目標(biāo)的分割與特征提取[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議專刊[C];2008年

6 魏明果;;方言比較的特征提取與矩陣分析[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

7 林土勝;賴聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 秦建玲;李軍;;基于核的主成分分析的特征提取方法與樣本篩選[A];2005年中國機械工程學(xué)會年會論文集[C];2005年

9 劉紅;陳光

本文編號：764274