腦-機(jī)接口（BCI）系統(tǒng)通過研究人腦所發(fā)出的電流信號在大腦皮層的運(yùn)作方式,讓大腦可以不通過外圍神經(jīng)系統(tǒng)運(yùn)作直接實(shí)現(xiàn)與外部環(huán)境之間的交互,這個(gè)技術(shù)實(shí)現(xiàn)的關(guān)鍵點(diǎn)就是對于大腦產(chǎn)生的各種腦電信號進(jìn)行合理的處理以及利用算法進(jìn)行有效的識(shí)別和分類。為了提高對腦電信號的識(shí)別率,本文提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解（CEEMD）遞歸圖和卷積神經(jīng)網(wǎng)絡(luò)的兩級特征提取方法,在CEEMD分解的基礎(chǔ)上,構(gòu)造運(yùn)動(dòng)想象腦電信號的多尺度遞歸圖作為腦電識(shí)別的一級特征,然后將重構(gòu)后的CEEMD多尺度遞歸圖作為卷積神經(jīng)網(wǎng)絡(luò)的輸入,對其進(jìn)行第2級的特征提取和分類。具體過程為,首先利用完備總體經(jīng)驗(yàn)?zāi)B(tài)分解CEEMD將運(yùn)動(dòng)想象腦電信號分解為不同尺度的固有模態(tài)函數(shù)并構(gòu)造各個(gè)固有模態(tài)分量的遞歸圖,得到第1級特征;然后,將多尺度遞歸圖視為左右手EEG信號的圖像特征,利用卷積神經(jīng)網(wǎng)絡(luò)處理圖像的優(yōu)勢,從第1級特征中提取到能夠更好地表述運(yùn)動(dòng)想象腦電信號的特征;在BCI競賽Ⅳ中的Data-sets 2a數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),最后利用測試數(shù)據(jù)對兩級特征提取的方法進(jìn)行分類識(shí)別率的驗(yàn)證,實(shí)驗(yàn)表明,本文提出的結(jié)合多尺度遞歸圖和卷積網(wǎng)絡(luò)的兩級特征提取方法對兩類運(yùn)動(dòng)... 

【文章來源】：武漢科技大學(xué)湖北省

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同節(jié)律的波形

武漢科技大學(xué)碩士學(xué)位論文10實(shí)驗(yàn)范式如圖2.3所示。實(shí)驗(yàn)共采集了25個(gè)通道的信號，其中22個(gè)通道為EEG，另外3個(gè)通道為眼電信號，均為以左乳突為參考、右乳突為地的單極信號；信號的采樣頻率為250Hz，并使用0.05～100Hz帶通濾波器和50Hz工頻陷波器進(jìn)行濾波。該數(shù)據(jù)的9位實(shí)驗(yàn)人（A01~A09）分別進(jìn)行兩類不同的運(yùn)動(dòng)想象任務(wù)，即左手和右手的運(yùn)動(dòng)想象任務(wù)。單個(gè)實(shí)驗(yàn)將運(yùn)動(dòng)想象任務(wù)劃分為四個(gè)部分：第一個(gè)階段為Fixationcross階段，在實(shí)驗(yàn)開始后的前2s中,受試者須保持平靜，等待屏幕提示；第二階段為Cue階段，在2s結(jié)束時(shí)，屏幕顯示左右方向箭頭，該箭頭持續(xù)1s，受試者根據(jù)屏幕顯示準(zhǔn)備進(jìn)行相應(yīng)的運(yùn)動(dòng)想象任務(wù)；第三階段為Motorimagery階段，第3s開始時(shí)，受試者需根據(jù)箭頭提示進(jìn)行運(yùn)動(dòng)想象任務(wù)，持續(xù)3s；第四階段為Break階段，受試者停止運(yùn)動(dòng)想象任務(wù)，適當(dāng)放松，同時(shí)為下一組實(shí)驗(yàn)做準(zhǔn)備。每個(gè)時(shí)間段包含48次單次實(shí)驗(yàn)，每類進(jìn)行12次。在整個(gè)實(shí)驗(yàn)過程中，系統(tǒng)不間斷的對腦電信號進(jìn)行采集和存儲(chǔ)，并將多有數(shù)據(jù)分為288個(gè)訓(xùn)練樣本和288個(gè)測試樣本。圖2.2采樣電極擺放示意圖圖2.3EEG信號采集示意圖

武漢科技大學(xué)碩士學(xué)位論文10實(shí)驗(yàn)范式如圖2.3所示。實(shí)驗(yàn)共采集了25個(gè)通道的信號，其中22個(gè)通道為EEG，另外3個(gè)通道為眼電信號，均為以左乳突為參考、右乳突為地的單極信號；信號的采樣頻率為250Hz，并使用0.05～100Hz帶通濾波器和50Hz工頻陷波器進(jìn)行濾波。該數(shù)據(jù)的9位實(shí)驗(yàn)人（A01~A09）分別進(jìn)行兩類不同的運(yùn)動(dòng)想象任務(wù)，即左手和右手的運(yùn)動(dòng)想象任務(wù)。單個(gè)實(shí)驗(yàn)將運(yùn)動(dòng)想象任務(wù)劃分為四個(gè)部分：第一個(gè)階段為Fixationcross階段，在實(shí)驗(yàn)開始后的前2s中,受試者須保持平靜，等待屏幕提示；第二階段為Cue階段，在2s結(jié)束時(shí)，屏幕顯示左右方向箭頭，該箭頭持續(xù)1s，受試者根據(jù)屏幕顯示準(zhǔn)備進(jìn)行相應(yīng)的運(yùn)動(dòng)想象任務(wù)；第三階段為Motorimagery階段，第3s開始時(shí)，受試者需根據(jù)箭頭提示進(jìn)行運(yùn)動(dòng)想象任務(wù)，持續(xù)3s；第四階段為Break階段，受試者停止運(yùn)動(dòng)想象任務(wù)，適當(dāng)放松，同時(shí)為下一組實(shí)驗(yàn)做準(zhǔn)備。每個(gè)時(shí)間段包含48次單次實(shí)驗(yàn)，每類進(jìn)行12次。在整個(gè)實(shí)驗(yàn)過程中，系統(tǒng)不間斷的對腦電信號進(jìn)行采集和存儲(chǔ)，并將多有數(shù)據(jù)分為288個(gè)訓(xùn)練樣本和288個(gè)測試樣本。圖2.2采樣電極擺放示意圖圖2.3EEG信號采集示意圖

【參考文獻(xiàn)】：
期刊論文
[1]基于腦電EEG信號的分析分類方法[J]. 陳澤龍,謝康寧.  中國醫(yī)學(xué)裝備. 2019(12)
[2]腦-機(jī)接口的前沿進(jìn)展[J]. 何暉光.  世界科學(xué). 2019(12)
[3]腦機(jī)接口技術(shù)的發(fā)展與展望[J]. 于淑月,李想,于功敬,孫健,張忠海,成藶委.  計(jì)算機(jī)測量與控制. 2019(10)
[4]人類腦科學(xué)研究計(jì)劃的進(jìn)展[J]. 王東輝,吳菲菲,王圣明,拜云虎,楊雁靈,王亞云.  中國醫(yī)學(xué)創(chuàng)新. 2019(07)
[5]基于遞歸定量分析的視聽腦電應(yīng)用研究[J]. 李世丹,朱曉軍.  計(jì)算機(jī)工程與應(yīng)用. 2019(09)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的腦電情緒識(shí)別研究[J]. 張俊曉,薄華.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2018(23)
[7]腦——機(jī)接口系統(tǒng)組成概述[J]. 劉方毅,李方博.  電子世界. 2017(21)
[8]基于多類運(yùn)動(dòng)想象任務(wù)的EEG信號分類研究[J]. 馬滿振,郭理彬,蘇奎峰.  計(jì)算機(jī)測量與控制. 2017(10)
[9]人體步態(tài)復(fù)雜度的遞歸圖和遞歸定量分析研究[J]. 余建,曹軍義,王偉,廖維新.  西安交通大學(xué)學(xué)報(bào). 2017(10)
[10]基于EEG腦機(jī)接口的研究現(xiàn)狀及在康復(fù)中的應(yīng)用[J]. 李青敏,李忠正,邱繼文,郭永明.  北京生物醫(yī)學(xué)工程. 2017(03)

碩士論文
[1]基于左右手運(yùn)動(dòng)想象腦電特征提取與識(shí)別研究[D]. 郭曉梅.太原理工大學(xué) 2018
[2]基于遞歸圖網(wǎng)絡(luò)構(gòu)建的腦電信號研究[D]. 閆祥濤.南京郵電大學(xué) 2017
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類[D]. 李曉普.大連理工大學(xué) 2015
[4]卷積神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[D]. 李飛騰.大連理工大學(xué) 2014



本文編號：2949561