發(fā)布時間：2017-12-18 06:29

  本文關鍵詞：腦機接口技術中的ICA研究

  更多相關文章： 腦電 獨立成分分析 聚類 源定位

【摘要】：腦-機接口技術BCI作為一種新型的交流控制系統(tǒng),其在康復醫(yī)療等領域的應用引起了廣泛關注和討論。獨立分量分析ICA,作為一種新穎的信號處理手段,在BCI系統(tǒng)中的應用,也使得腦-機接口迎來了新的進步和發(fā)展。本文的研究工作就是圍繞獨立分量分析ICA在腦-機接口中的應用,特別是在腦電溯源上的應用而展開。在簡要的介紹了ICA和腦電溯源涉及理論的基礎上,重點介紹了ICA在預處理、特征提取及溯源定位上的使用情況,并通過真實的穩(wěn)態(tài)視覺誘發(fā)響應SSVEP數(shù)據(jù)結合EEGLAB進行了處理和分析。論文首先對真實數(shù)據(jù)進行諸如重參考、基線去除、濾波等預處理操作,實現(xiàn)初步的噪聲濾除。然后,進行事件相關電位ERP的提取,從而強化誘發(fā)腦電信息,進一步消除噪聲干擾�；谀X電數(shù)據(jù)的多維特性,對其進行主成分分析PCA降維,最大化保留數(shù)據(jù)有用信息。之后,分別利用固定點算法及擴展最大熵算法分離出獨立成分,驗證ICA對于真實SSVEP信號獨立成分分離的有效性及準確性。對于ICA分解后的結果進行偽跡識別,首先憑借主觀的先驗經(jīng)驗對心電、腦電等偽跡噪聲進行初步去除。利用分層聚類Linkage和最優(yōu)k值選定的K-均值等聚類分析方式完成各個獨立成分的分類,尋找偶極子信息,結合聚類分析結果和偽跡剔除經(jīng)驗進一步剔除干擾。本文中針對剔除偽跡的ICA分離結果進行相應的溯源分析。在DIPFIT中,采用不同頭模型進行腦電溯源定位,確定腦電偶極子的源位置,證實視覺刺激的產(chǎn)生位置集中在后腦,與生理上的視覺腦電刺激產(chǎn)生位置一致,證實了ICA方法在溯源問題上的可靠性。
【學位授予單位】：南京郵電大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：R338;TN911.7

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 杜艷琴;黃華;;基于獨立成分和小波分析的胎兒心電提取[J];中國組織工程研究與臨床康復;2011年13期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 高全學;張洪才;潘泉;;膚色和獨立成分相結合的人臉檢測[A];第一屆中國情感計算及智能交互學術會議論文集[C];2003年

2 汪太月;李宏偉;;基于GGD模型獨立成分分析算法的局部穩(wěn)定性分析[A];中國光學學會2011年學術大會摘要集[C];2011年

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 鐘明軍;獨立成分分析算法研究及其在功能核磁共振成像中的應用[D];大連理工大學;2004年

2 薛云峰;源信號自適應的獨立成分分析算法應用與研究[D];上海交通大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前8條

1 阮蓓;獨立成分的漢英對比研究[D];華中師范大學;2006年

2 趙陶鈺;獨立成分分析算法在fMRI數(shù)據(jù)中的應用[D];太原理工大學;2012年

3 張楊;基于粒子群優(yōu)化的工業(yè)過程獨立成分分析方法研究與應用[D];東北大學;2010年

4 刁興光;獨立成分算法在GPU上的實現(xiàn)[D];大連理工大學;2012年

5 周達和;獨立成分分析算法與支持向量機在不良圖片識別中的應用[D];華南理工大學;2010年

6 劉芳;ICA及其多層擴展算法的研究[D];中國海洋大學;2013年

7 于涵;腦機接口技術中的ICA研究[D];南京郵電大學;2014年

8 賈玉紅;視覺注意機制及其在場景分類中的應用[D];華東師范大學;2012年

，

本文編號：1303192