腦-機(jī)接口（BCI）是使人可以在跳過外圍神經(jīng)系統(tǒng)和肌肉的情況下,只需采集大腦發(fā)出的信號(hào)便可實(shí)現(xiàn)與計(jì)算機(jī)或者其他設(shè)備通信的系統(tǒng)。而諸如運(yùn)動(dòng)想象腦電信號(hào)（EEG）的主動(dòng)式腦電信號(hào)分類又是腦-機(jī)接口系統(tǒng)中的重要問題。但目前運(yùn)動(dòng)想象腦電信號(hào)等應(yīng)用仍然需要采集多通道的腦電信號(hào)并且識(shí)別準(zhǔn)確度往往難以達(dá)到要求。而腦電信號(hào)處理過程中預(yù)處理、特征提取以及任務(wù)分類都會(huì)影響到整個(gè)分類結(jié)果。本文以運(yùn)動(dòng)想象腦電信號(hào)為研究對(duì)象,通過實(shí)驗(yàn)分析確定了最佳預(yù)處理方法,并提出了腦電信號(hào)的稀疏特征提取和正則化的判別分析方法,最終提高整個(gè)判別系統(tǒng)的分類性能。論文的主要工作內(nèi)容如下:（1）通過查閱資料獲取公開數(shù)據(jù)集,并自主設(shè)計(jì)實(shí)驗(yàn)獲取到自主實(shí)驗(yàn)數(shù)據(jù)集,在這兩種數(shù)據(jù)集下展開研究。信號(hào)的預(yù)處理往往對(duì)信號(hào)的分類有著重要的影響,為此,本文分別對(duì)兩種數(shù)據(jù)集驗(yàn)證了不同方式的預(yù)處理方法,通過得到的結(jié)果選擇較優(yōu)的預(yù)處理手段對(duì)原始腦電信號(hào)進(jìn)行了相應(yīng)的濾波處理。（2）針對(duì)多通道腦電信號(hào)分類識(shí)別中各通道數(shù)據(jù)以及空間濾波器的數(shù)據(jù)選擇方面往往缺乏有效的策略這一問題,提出了一種新的特征提取算法:稀疏共空間模式（SCSP）算法。采用稀疏共空間模式可以有效克... 

【文章來源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

神經(jīng)網(wǎng)絡(luò)與腦電信號(hào)

燕山大學(xué)工學(xué)碩士學(xué)位論文-16-“維數(shù)災(zāi)難”的問題，很多原本適用于低維判別分析的算法不再適用。為解決這一問題，往往采取降維的手段。Fihser方法就可以有效地實(shí)現(xiàn)數(shù)據(jù)降維，進(jìn)而很好的解決這一問題。Fisher分類方法，即線性判別分析（LinearDiscriminationAnalysis，LDA）根據(jù)兩類信號(hào)類內(nèi)密集、類間分離的原則尋找最佳的投影向量，通過壓縮維數(shù)將多維特征空間的點(diǎn)壓縮在一條直線上，進(jìn)而達(dá)到降維的目的[69]。將多維數(shù)據(jù)投影到一條直線上，多維數(shù)據(jù)便降為一維，這一過程并不難實(shí)現(xiàn)。但如果隨意選擇投影直線，就不能保證將不同類別信號(hào)分開，如圖2-3所示，如果投影到最不利的方向，則無法將兩類數(shù)據(jù)分開。但是指定能找到一個(gè)最佳投影方向，將多維數(shù)據(jù)向這一方向投影后，兩類數(shù)據(jù)便很容易就能分開。所以找到一個(gè)最佳投影方向至關(guān)重要。線性判別分析算發(fā)就提供了最佳投影直線的尋找方法，算法實(shí)現(xiàn)過程如下：圖2-3線性判別方法原理（1）計(jì)算各類樣本的均值向量mi，mi是各個(gè)類的均值，Ni是wi類的樣本個(gè)數(shù)。11,2iiXwmXiN==（2-8）（2）計(jì)算樣本的類內(nèi)離散度矩陣Si和總類內(nèi)離散度矩陣Sw。()()1,2iiiiXwSXmXmi==（2-9）w12S=S+S（2-10）（3）計(jì)算樣本的類間離散度矩陣Sb。

燕山大學(xué)工學(xué)碩士學(xué)位論文-22-圖3-3三種空間濾波方法的對(duì)比三種濾波器都能夠?qū)崿F(xiàn)信號(hào)的去噪，在盡可能保留需要的信息的基礎(chǔ)上，使信號(hào)更加純凈，進(jìn)而提高信號(hào)的信噪比。如圖3-3所示，三種濾波器實(shí)現(xiàn)過程中，紅色電極表示要進(jìn)行濾波的電極，其電位大小由標(biāo)注為綠色的電極的電位作為參考去進(jìn)行優(yōu)化。通常情況下，共平均參考方法和大拉普拉斯選擇的通道較多或較遠(yuǎn)，去除噪聲效果稍差，但是不容易削弱信號(hào)的特征，小拉普拉斯正好相反，具體使用那哪種方法還要結(jié)合實(shí)際情況而定，在后續(xù)實(shí)驗(yàn)中，本章將具體分析使用哪一種濾波方法效果好。3.4實(shí)驗(yàn)分析為了選擇合適的預(yù)處理手段，本節(jié)詳細(xì)分析了不同預(yù)處理手段對(duì)腦電信號(hào)判別分析的影響，分別對(duì)空間濾波的預(yù)處理方法和時(shí)頻濾波預(yù)處理這兩種預(yù)處理手段進(jìn)行了對(duì)比實(shí)驗(yàn)。3.4.1實(shí)驗(yàn)數(shù)據(jù)在3.1節(jié)中介紹了兩種運(yùn)動(dòng)想象腦電數(shù)據(jù)，，結(jié)合數(shù)據(jù)本身的特點(diǎn)，本章采用自主實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證空間濾波的預(yù)處理方法，同時(shí)采用第Ⅳ屆BCI比賽數(shù)據(jù)集I驗(yàn)證μ節(jié)律和β節(jié)律這兩個(gè)頻段的腦電信號(hào)在分類結(jié)果上的差異。3.4.2μ節(jié)律和β節(jié)律頻段的腦電信號(hào)分類結(jié)果比較本節(jié)采用第Ⅳ屆BCI比賽數(shù)據(jù)集I進(jìn)行實(shí)驗(yàn)，以比較μ節(jié)律和β節(jié)律下運(yùn)動(dòng)想象腦電信號(hào)的分類結(jié)果。同樣采用共空間模式加線性判別分析組合算法對(duì)腦電信號(hào)進(jìn)行判別分析。實(shí)驗(yàn)結(jié)果如圖3-4所示。圖中ACC表示準(zhǔn)確度，MSE表示均方誤差。CARSmallLaplacianLargeLaplacian

【參考文獻(xiàn)】：
期刊論文
[1]基于Fisher準(zhǔn)則的單次運(yùn)動(dòng)想象腦電信號(hào)意圖識(shí)別研究[J]. 付榮榮,侯培國(guó),李曼迪.  生物醫(yī)學(xué)工程學(xué)雜志. 2018(05)
[2]腦機(jī)接口研究概述[J]. 左開偉,劉建平,程馨瑩.  中國(guó)新通信. 2016(01)
[3]基于共空間模式方法的多類運(yùn)動(dòng)想象腦電的導(dǎo)聯(lián)選擇[J]. 周蚌艷,吳小培,呂釗,張磊,郭曉靜,張超.  生物醫(yī)學(xué)工程學(xué)雜志. 2015(03)
[4]應(yīng)用于圖像特征識(shí)別的主成分分析算法[J]. 亓文永,葉心太.  科技信息(科學(xué)教研). 2008(22)
[5]淺談腦—機(jī)接口的發(fā)展現(xiàn)狀與挑戰(zhàn)[J]. 高上凱.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2007(06)
[6]基于層次型支持向量機(jī)的人臉檢測(cè)[J]. 馬勇,丁曉青.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2003(01)
[7]21世紀(jì)腦的世紀(jì)——新世紀(jì)腦科學(xué)發(fā)展前瞻[J]. 蘇坦坡.  中國(guó)人才. 2002(01)
[8]“腦的10年”與神經(jīng)康復(fù)研究[J]. 王茂斌.  現(xiàn)代康復(fù). 1999(11)

碩士論文
[1]運(yùn)動(dòng)想象腦機(jī)接口中模式識(shí)別方法研究[D]. 葛榮祥.東南大學(xué) 2018
[2]基于運(yùn)動(dòng)想象的腦電信號(hào)分析研究[D]. 蘇振新.南京郵電大學(xué) 2017
[3]基于P300和運(yùn)動(dòng)想象的腦機(jī)接口研究[D]. 孫中錢.山東大學(xué) 2013
[4]模糊聚類分析實(shí)現(xiàn)多特征融合的人臉識(shí)別方法[D]. 高璐.吉林大學(xué) 2012



本文編號(hào)：2931993