本文關鍵詞：基于AR模型的腦電信號特征提取與識別，由筆耕文化傳播整理發(fā)布。

中南大學 碩士學位論文 基于AR模型的腦電信號特征提取與識別 姓名：鄒清 申請學位級別：碩士 專業(yè)：生物醫(yī)學工程 指導教師：湯井田 座機電話號碼 摘要 腦一機接口因其廣闊的應用價值和前景成為近年來腦科學、康復 工程、自動控制、軍事領域和生物醫(yī)學工程等領域的熱門研究課題。 腦電信號的處理過程是研究過程中的重點和難點。 本文將腦電信號中事件去同步化／相同步化現(xiàn)象作為特征信息， 深入討論了基于AR模型的自適應算法 AAR 和多變量參數(shù)AAR模 型算法 MVAAR 在腦電信號特征提取中的應用。介紹多種對模型系 數(shù)進行估計的方法，采用卡爾曼濾波方法和快速QR分解分別對 AAR、MVAAR模型進行系數(shù)估計，以最大化顯現(xiàn)腦電信號中的特征 信息。采用線性分析、基于馬氏距離分類和留一法三種分類器分別進 行任務識別。引入了互信息，kappa值，ROC曲線下面積值的概念對 分類效果進行性能評價。 從實驗結果上看，MVAAR算法比AAR算法達到了更高的分類 正確率。AAR模型很好地描述了EEG信號的非平穩(wěn)隨機特征， MVAAR算法識別法主觀性較小，階次一般選取也比較低，數(shù)據(jù)仿真 吻合度高，實現(xiàn)多導聯(lián)數(shù)據(jù)的輸入，具有更強的通用性。傳統(tǒng)的線性 分類、基于馬氏距離的二次分類，留一法分類都達到了很好的效果， 但也各有優(yōu)缺點。LDA和MDA算法都是只由數(shù)據(jù)的均值和協(xié)方差決 定的，當兩類的協(xié)方差矩陣差別較大時，LDA方法則會表現(xiàn)出較大 的偏差，而MDA方法則會表現(xiàn)出較好的結果。留一法的原理簡單， 容易實現(xiàn)，但如果當實驗數(shù)據(jù)龐大時，計算量和計算時間將會是我們 必須考慮的問題。不同對象因為個體的區(qū)別和測試反饋時間段的不 同，對其使用同一組算法分

  本文關鍵詞：基于AR模型的腦電信號特征提取與識別，由筆耕文化傳播整理發(fā)布。