本文關(guān)鍵詞：腦—機(jī)接口中的SSVEP信號(hào)處理方法研究

  更多相關(guān)文章： 腦-機(jī)接口 SSVEP 特征提取 希爾伯特-黃變換 典型相關(guān)分析

【摘要】：腦-機(jī)接口(BCI)是一種不依賴大腦常規(guī)信息輸出通道的全新交互方式,未來(lái)在幫助腦損傷病人上具有很高的潛在價(jià)值。目前,腦-機(jī)接口特別是基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位(SSVEP)的腦-機(jī)接口由于信息傳輸率高、不需要訓(xùn)練等優(yōu)點(diǎn),受到越來(lái)越多人的關(guān)注。但是基于SSVEP的BCI系統(tǒng)對(duì)刺激方式過(guò)于敏感,因此如何有效地對(duì)SSVEP信號(hào)進(jìn)行處理,將直接影響B(tài)CI系統(tǒng)的性能。本課題是采用頻譜特征方法、小波變換、希爾伯特-黃變換(HHT)和典型相關(guān)分析(CCA)對(duì)不同刺激個(gè)數(shù)和刺激距離情況對(duì)SSVEP信號(hào)處理影響的研究。具體主要工作如下:首先,本文設(shè)計(jì)了一套能夠快速設(shè)定刺激個(gè)數(shù)和刺激距離的基于LCD顯示器的刺激器方案,為課題研究奠定了基礎(chǔ)。在此基礎(chǔ)上,本文采用FFT、短時(shí)傅里葉變換(STFT)和AR模型從頻譜特征角度對(duì)SSVEP進(jìn)行特征提取研究。實(shí)驗(yàn)表明,FFT和STFT比AR模型更適合用于分析刺激頻率之間的關(guān)系。其次,本文對(duì)基于小波變換和HHT的SSVEP特征提取進(jìn)行研究,分析不同刺激個(gè)數(shù)對(duì)特征提取的影響。針對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解容易產(chǎn)生“模態(tài)混疊”等缺點(diǎn),本文提出一種結(jié)合小波包的改進(jìn)HHT方法。實(shí)驗(yàn)表明,改進(jìn)HHT方法對(duì)SSVEP的特征提取和識(shí)別效果要優(yōu)于小波包和HHT方法。此外,實(shí)驗(yàn)還表明,隨著刺激個(gè)數(shù)增加,刺激之間的競(jìng)爭(zhēng)更加激烈,目標(biāo)刺激頻率受抑制更為顯著,增大了特征提取難度。最后,本文采用典型相關(guān)分析(CCA)對(duì)不同刺激距離和不同刺激個(gè)數(shù)情況下的SSVEP識(shí)別效果進(jìn)行研究。其中,通過(guò)比較CCA和Mset CCA的識(shí)別效果,分析了兩種參考信號(hào)構(gòu)造方式的影響因素。為了提取SSVEP中的有效成分,本文提出一種結(jié)合小波包的改進(jìn)CCA算法。實(shí)驗(yàn)結(jié)果一方面表明,改進(jìn)CCA算法很大程度上提高了對(duì)SSVEP信號(hào)的識(shí)別準(zhǔn)確率。另一方面表明,隨著刺激距離的減小或刺激個(gè)數(shù)的增加,刺激之間的競(jìng)爭(zhēng)關(guān)系逐漸增強(qiáng),目標(biāo)刺激頻率受抑制作用增大,進(jìn)而增大了識(shí)別的難度。最后分析了基于FFT、小波包、HHT、改進(jìn)HHT、CCA和改進(jìn)HHT的SSVEP識(shí)別效果,結(jié)果表明,改進(jìn)CCA分析的識(shí)別效果最好,且其他算法都比FFT好。
【關(guān)鍵詞】：腦-機(jī)接口 SSVEP 特征提取 希爾伯特-黃變換 典型相關(guān)分析
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R651.15;TN911.7
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-18
• 1.1 腦-機(jī)接口的基本理論11-13
• 1.1.1 腦-機(jī)接口的定義11
• 1.1.2 腦-機(jī)接口的腦電信號(hào)模式11-13
• 1.2 腦-機(jī)接口系統(tǒng)的結(jié)構(gòu)13-15
• 1.3 腦-機(jī)接口的研究現(xiàn)狀及意義15-17
• 1.3.1 腦-機(jī)接口的研究現(xiàn)狀15-16
• 1.3.2 腦-機(jī)接口的研究意義16-17
• 1.4 本文研究?jī)?nèi)容17-18
• 第二章 基于SSVEP的BCI系統(tǒng)方案設(shè)計(jì)18-26
• 2.1 視覺(jué)誘發(fā)電位產(chǎn)生原理18-19
• 2.2 視覺(jué)刺激器設(shè)計(jì)19-22
• 2.2.1 刺激器種類19-20
• 2.2.2 刺激頻率的選擇20-21
• 2.2.3 其他刺激參數(shù)選擇21-22
• 2.3 LCD刺激器的實(shí)現(xiàn)22-24
• 2.4 腦電信號(hào)采集系統(tǒng)及實(shí)驗(yàn)方案簡(jiǎn)介24-25
• 2.4.1 腦電信號(hào)采集系統(tǒng)24
• 2.4.2 實(shí)驗(yàn)方案介紹24-25
• 2.5 本章小結(jié)25-26
• 第三章 基于頻譜方法的SSVEP特征提取26-45
• 3.1 SSVEP信號(hào)的預(yù)處理26-27
• 3.2 快速傅里葉變換27-29
• 3.2.1 離散傅里葉變換27-28
• 3.2.2 快速傅里葉變換28-29
• 3.3 STFT理論基礎(chǔ)29-32
• 3.3.1 STFT的定義29-30
• 3.3.2 時(shí)頻參數(shù)的選擇30-32
• 3.4 基于AR模型功率譜估計(jì)32-38
• 3.4.1 AR模型功率譜估計(jì)原理32-34
• 3.4.2 AR模型系數(shù)的求解算法34-36
• 3.4.3 AR模型定階問(wèn)題思考36-38
• 3.5 實(shí)驗(yàn)結(jié)果與分析38-43
• 3.6 本章小結(jié)43-45
• 第四章 基于小波變換和HHT的SSVEP特征提取45-68
• 4.1 小波變換基本理論45-52
• 4.1.1 連續(xù)小波變換45-47
• 4.1.2 離散小波變換47-48
• 4.1.3 多分辨分析48-49
• 4.1.4 小波包分析49-52
• 4.2 希爾伯特黃變換理論基礎(chǔ)52-57
• 4.2.1 固定模態(tài)函數(shù)52-53
• 4.2.2 經(jīng)驗(yàn)?zāi)B(tài)分解53-55
• 4.2.3 Hilbert譜55-57
• 4.3 結(jié)合小波包的改進(jìn)HHT分析方法57-61
• 4.3.1 EMD的模態(tài)混疊現(xiàn)象58-59
• 4.3.2 改進(jìn)的小波包結(jié)合HHT分析方法59-61
• 4.4 實(shí)驗(yàn)結(jié)果與分析61-66
• 4.5 本章小結(jié)66-68
• 第五章 基于典型相關(guān)分析的SSVEP信號(hào)識(shí)別68-85
• 5.1 典型相關(guān)分析的概述68-69
• 5.2 典型相關(guān)分析的數(shù)學(xué)表示與算法求解69-72
• 5.2.1 典型相關(guān)分析的數(shù)學(xué)表示69-70
• 5.2.2 典型相關(guān)分析的算法求解70-72
• 5.3 基于CCA的SSVEP信號(hào)識(shí)別72-78
• 5.3.1 CCA識(shí)別SSVEP信號(hào)的基本思想72-73
• 5.3.2 基于MsetCCA的SSVEP信號(hào)識(shí)別73-75
• 5.3.3 CCA與MsetCCA的實(shí)驗(yàn)識(shí)別效果分析75-78
• 5.4 結(jié)合小波分析的改進(jìn)CCA算法78-79
• 5.5 實(shí)驗(yàn)結(jié)果與分析79-83
• 5.6 本章小結(jié)83-85
• 結(jié)論85-87
• 參考文獻(xiàn)87-92
• 攻讀碩士學(xué)位期間取得的研究成果92-93
• 致謝93-94
• 附件94

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 黃漫玲;吳平東;殷罡;劉瑩;;基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位的腦-機(jī)接口實(shí)驗(yàn)研究[J];北京理工大學(xué)學(xué)報(bào);2008年11期

2 吳正華;堯德中;;不同顏色單色光產(chǎn)生的穩(wěn)態(tài)視覺(jué)誘發(fā)電位的比較[J];生物醫(yī)學(xué)工程學(xué)雜志;2008年05期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 吳正華;穩(wěn)態(tài)視覺(jué)誘發(fā)電位在腦機(jī)接口及認(rèn)知過(guò)程中的應(yīng)用研究[D];電子科技大學(xué);2008年

2 張楊松;基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位的腦機(jī)制及腦—機(jī)接口研究[D];電子科技大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 石倩;基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位的腦—機(jī)接口研究與設(shè)計(jì)[D];大連理工大學(xué);2009年

2 鄭軍;基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位的腦—機(jī)接口實(shí)現(xiàn)與研究[D];華南理工大學(xué);2012年

3 李梅;模擬閱讀BCI信號(hào)空時(shí)特征提取與模式識(shí)別[D];中南民族大學(xué);2013年

，

本文編號(hào)：1086532