本文選題：腦電圖　切入點(diǎn)：腦-機(jī)接口　出處：《吉林大學(xué)》2017年碩士論文

【摘要】：腦-機(jī)接口作為一種新的人機(jī)交互途徑逐漸引起人們的關(guān)注,基于運(yùn)動(dòng)想象BCI系統(tǒng)作為其中的一大分支也逐漸引起大家的重視,但人的腦電信號(hào)(Electroencephalogram,EEG)復(fù)雜且具有非線性非平穩(wěn)等特點(diǎn),這使其難以辨識(shí)和解析,其識(shí)別效果也依賴于數(shù)據(jù)集的不同,而表現(xiàn)不穩(wěn)定。為了提高運(yùn)動(dòng)想象EEG信號(hào)的識(shí)別率,提供相對(duì)有效的特征提取及分類方案,本文基于腦電信號(hào)這樣的特點(diǎn),介紹和研究了兩種基于二分類的運(yùn)動(dòng)想象腦電信號(hào)的處理、特征提取及分類方法,并開(kāi)發(fā)了一套原理樣機(jī)。1.利用總體經(jīng)驗(yàn)?zāi)B(tài)分解(Ensemble empirical mode decomposition,EEMD)后得到的較具影響能力的固有模態(tài)函數(shù)(Intrinsic mode functions,IMFs),利用希爾伯特變換提取邊際譜(Marginal spectrum,MS)及瞬時(shí)能譜(Instantaneous energy spectrum,IES)時(shí)頻特征,同時(shí)通過(guò)加窗的方法提取非線性動(dòng)力學(xué)特征近似熵特征,利用線性判別分類器(Linear Discriminant Analysis,LDA)作為分類器,實(shí)驗(yàn)對(duì)象為來(lái)自三個(gè)不同數(shù)據(jù)集的9個(gè)不同受試者,其取得平均分類識(shí)別率為82.74%,具有良好普適性;2.利用固有時(shí)間尺度分解(Intrinsic time-scale decomposition,ITD)后得到的固有旋轉(zhuǎn)分量,選擇較優(yōu)分量信號(hào),進(jìn)而提取四類有效特征包括能量,AR參數(shù)模型,數(shù)學(xué)形態(tài)學(xué)特征以及模糊近似熵,采用單因素方差檢驗(yàn)作為特征選擇,利用LDA作為分類器進(jìn)行分類,采用互信息(MI)及最大峭度的評(píng)價(jià)標(biāo)準(zhǔn)。實(shí)驗(yàn)結(jié)果證明提出基于ITD的識(shí)別系統(tǒng)能取得較為可觀的識(shí)別率,結(jié)果優(yōu)于BCI競(jìng)賽成績(jī)及近期文獻(xiàn)成果。在03年腦-機(jī)接口大賽數(shù)據(jù)中取得0.75的互信息,05年大賽數(shù)據(jù)中取得0.3699的平均最大峭度。且對(duì)基于ITD的特征提取方案對(duì)腦電信號(hào)處理和識(shí)別進(jìn)行了解釋和分析,該方法對(duì)提高腦-機(jī)接口系統(tǒng)的分類性能及在線BCI系統(tǒng)的實(shí)現(xiàn),能提供良好的理論基礎(chǔ)和應(yīng)用參考;3.開(kāi)發(fā)的一套基于ThinkGear腦電儀意念控制手臂的在線BCI系統(tǒng)。通過(guò)采集受試者前額處腦電信號(hào),獲取當(dāng)前受試者視覺(jué)阻斷信息,使其作為控制指令,最終可以使假肢手臂完成簡(jiǎn)單的任務(wù)動(dòng)作。該系統(tǒng)的開(kāi)發(fā)可為BCI技術(shù)的將來(lái)的發(fā)展及應(yīng)用提供工作基礎(chǔ)及方向參考。
[Abstract]:As a new way of human-computer interaction, brain-computer interface (BCI) has attracted more and more attention, and BCI system based on motion imagination has attracted more and more attention. But the EEG electroencephalogramme (EGG) is complex and nonlinear and non-stationary, which makes it difficult to identify and analyze, and its recognition effect depends on the difference of data set, and its performance is unstable. In order to improve the recognition rate of motion imagination EEG signal, In this paper, based on the characteristics of EEG, two methods of processing, feature extraction and classification of motion imagination EEG based on two-classification are introduced and studied. A set of principle prototype is developed. 1. The inherent mode function of intrinsic mode function is obtained by means of total empirical mode decomposition (EMD), and the time-frequency features of marginal spectrum and instantaneous energy spectrum energy spectrum are extracted by Hilbert transform. At the same time, the approximate entropy feature of nonlinear dynamics is extracted by adding windows, and linear discriminant classifier linear Discriminant analysis is used as the classifier. Nine different subjects from three different data sets are used as experimental objects. Its average classification recognition rate is 82.74, and it has good universality. By using the inherent rotation component obtained by decomposing intrinsic time-scale decompostion (ITD), the better component signal is selected and four effective features, including the energy AR parameter model, are extracted. Mathematical morphological features and fuzzy approximate entropy are classified by single factor variance test and LDA as classifier. The experimental results show that the recognition system based on ITD can achieve considerable recognition rate. The results were superior to those of BCI competition and recent literature. Mutual information of 0.75 was obtained in the 2003 brain-computer interface contest data, and the average maximum kurtosis was 0.3699 in the 2005 contest data. The feature extraction scheme based on ITD was applied to EEG. Signal processing and recognition are interpreted and analyzed, This method can improve the classification performance of brain-computer interface system and the realization of on-line BCI system. It can provide a good theoretical basis and application reference. 3. A set of online BCI system based on the idea control arm of ThinkGear EEG instrument is developed. By collecting the EEG signals in the forehead of the subjects, we can obtain the visual blocking information of the current subjects. The development of the system can provide the working basis and direction reference for the future development and application of BCI technology.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R318;TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 劉鐵軍;徐鵬;余茜;堯德中;;運(yùn)動(dòng)想象的腦機(jī)制及其在運(yùn)動(dòng)功能康復(fù)中應(yīng)用的研究進(jìn)展[J];生物化學(xué)與生物物理進(jìn)展;2011年04期

2 陽(yáng)宏;夏斌;謝宏;王聰;肖殿云;;一種用于實(shí)現(xiàn)多命令輸出的運(yùn)動(dòng)想象分組策略[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

3 劉燕;穆振東;;運(yùn)動(dòng)想象機(jī)制研究[J];科技廣場(chǎng);2011年01期

相關(guān)會(huì)議論文 前10條

1 楊遠(yuǎn)濱;王薌斌;;淺談中醫(yī)意念與運(yùn)動(dòng)想象的比較[A];中國(guó)醫(yī)師協(xié)會(huì)第二屆康復(fù)醫(yī)學(xué)論壇、中國(guó)康復(fù)醫(yī)學(xué)會(huì)第四屆青年學(xué)術(shù)會(huì)議、北京康復(fù)醫(yī)學(xué)會(huì)第三屆會(huì)員代表大會(huì)論文集[C];2005年

2 賈子善;;運(yùn)動(dòng)想像的理論與應(yīng)用[A];2008年浙江省物理醫(yī)學(xué)與康復(fù)學(xué)術(shù)年會(huì)暨中樞神經(jīng)功能損傷康復(fù)新進(jìn)展學(xué)習(xí)班論文匯編[C];2008年

3 張爽;周鵬;熊屹;王明時(shí);;運(yùn)動(dòng)想象腦電模式的動(dòng)態(tài)分類[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

4 諸強(qiáng);謝琳;;基于小波分析的運(yùn)動(dòng)想象腦電模式特征提取與分類[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

5 孔萬(wàn)增;張艷娜;胡三清;戴國(guó)駿;張建海;魏大名;;基于運(yùn)動(dòng)想象的中風(fēng)患者肢體康復(fù)實(shí)時(shí)控制系統(tǒng)[A];第一屆全國(guó)神經(jīng)動(dòng)力學(xué)學(xué)術(shù)會(huì)議程序手冊(cè) & 論文摘要集[C];2012年

6 徐海鷹;;運(yùn)動(dòng)想象療法結(jié)合運(yùn)動(dòng)再學(xué)習(xí)方案在腦卒中早期患者上肢功能的應(yīng)用[A];中國(guó)康復(fù)醫(yī)學(xué)會(huì)運(yùn)動(dòng)療法分會(huì)第十一屆全國(guó)康復(fù)學(xué)術(shù)大會(huì)學(xué)術(shù)會(huì)議論文摘要匯編[C];2011年

7 李澤云;王昭君;林金生;盧攀;;運(yùn)動(dòng)想象聯(lián)合強(qiáng)制性運(yùn)動(dòng)療法治療腦卒中偏癱60例臨床觀察[A];中國(guó)康復(fù)醫(yī)學(xué)會(huì)腦血管病專業(yè)委員會(huì)換屆暨第十五次全國(guó)腦血管病康復(fù)學(xué)術(shù)年會(huì)、湖南省康復(fù)醫(yī)學(xué)會(huì)神經(jīng)康復(fù)專業(yè)委員會(huì)2012學(xué)術(shù)年會(huì)論文集[C];2012年

8 王艷;唐強(qiáng);白震民;李娟;;頭穴叢刺與被動(dòng)運(yùn)動(dòng)和運(yùn)動(dòng)想象結(jié)合對(duì)早期腦卒中患者運(yùn)動(dòng)功能的影響[A];中國(guó)康復(fù)醫(yī)學(xué)會(huì)第五屆全國(guó)康復(fù)治療學(xué)術(shù)會(huì)議論文集[C];2006年

9 劉佳;鄧景貴;陶希;宋紅;;運(yùn)動(dòng)想象療法對(duì)老年卒中偏癱患者肢體功能恢復(fù)的影響研究[A];中國(guó)康復(fù)醫(yī)學(xué)會(huì)腦血管病專業(yè)委員會(huì)換屆暨第十五次全國(guó)腦血管病康復(fù)學(xué)術(shù)年會(huì)、湖南省康復(fù)醫(yī)學(xué)會(huì)神經(jīng)康復(fù)專業(yè)委員會(huì)2012學(xué)術(shù)年會(huì)論文集[C];2012年

10 吳華;顧旭東;時(shí)美芳;吳彩虹;朱美紅;金妹;楊京輝;;虛擬現(xiàn)實(shí)技術(shù)結(jié)合運(yùn)動(dòng)想象療法對(duì)腦卒中患者上肢功能恢復(fù)的影響[A];2013浙江省物理醫(yī)學(xué)與康復(fù)學(xué)學(xué)術(shù)年會(huì)暨第八屆浙江省康復(fù)醫(yī)學(xué)發(fā)展論壇論文集[C];2013年

相關(guān)博士學(xué)位論文 前9條

1 張銳;運(yùn)動(dòng)想象腦—機(jī)接口的神經(jīng)機(jī)制與識(shí)別算法研究[D];電子科技大學(xué);2015年

2 單海軍;基于運(yùn)動(dòng)想象的腦機(jī)接口通道選擇算法研究[D];浙江大學(xué);2015年

3 王莉;應(yīng)用腦功能成像技術(shù)研究腦卒中運(yùn)動(dòng)想象療法神經(jīng)康復(fù)機(jī)制[D];重慶大學(xué);2015年

4 魏慶國(guó);基于運(yùn)動(dòng)想象的腦—機(jī)接口分類算法的研究[D];清華大學(xué);2006年

5 徐舫舟;基于運(yùn)動(dòng)想象的腦機(jī)接口相關(guān)算法研究[D];山東大學(xué);2014年

6 閆靜;基于腦電的腦卒中患者運(yùn)動(dòng)想象認(rèn)知過(guò)程的研究[D];上海交通大學(xué);2012年

7 方永慧;基于運(yùn)動(dòng)想象腦電信號(hào)非線性特性分析的腦—機(jī)接口研究[D];重慶大學(xué);2014年

8 周鵬;基于運(yùn)動(dòng)想象的腦機(jī)接口的研究[D];天津大學(xué);2007年

9 孫莉敏;運(yùn)動(dòng)想象訓(xùn)練促進(jìn)腦卒中患者功能恢復(fù)的功能磁共振（fMRI）研究[D];復(fù)旦大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 牛小辰;康復(fù)運(yùn)動(dòng)中的腦肌電特征分析[D];燕山大學(xué);2015年

2 謝立娟;針灸合并運(yùn)動(dòng)想象療法在腦卒中偏癱患者康復(fù)護(hù)理中的應(yīng)用[D];河北醫(yī)科大學(xué);2015年

3 孫會(huì)文;基于運(yùn)動(dòng)想象腦電的腦機(jī)交互模式識(shí)別方法研究[D];昆明理工大學(xué);2015年

4 戴若夢(mèng);基于深度學(xué)習(xí)的運(yùn)動(dòng)想象腦電分類[D];北京理工大學(xué);2015年

5 郭蘭錦;基于結(jié)構(gòu)MRI的運(yùn)動(dòng)想象BCI機(jī)制研究[D];電子科技大學(xué);2014年

6 翟紅利;基于運(yùn)動(dòng)想象的腦機(jī)接口的數(shù)學(xué)模型與算法研究[D];長(zhǎng)沙理工大學(xué);2014年

7 叢壯;運(yùn)動(dòng)想象結(jié)合音樂(lè)療法在卒中偏癱患者上肢康復(fù)中的應(yīng)用[D];遼寧醫(yī)學(xué)院;2015年

8 康莎莎;多類運(yùn)動(dòng)想象腦電信號(hào)的識(shí)別及其在BCI中的應(yīng)用[D];安徽大學(xué);2016年

9 何青松;基于想象左右手運(yùn)動(dòng)思維腦電識(shí)別分類研究[D];北京交通大學(xué);2016年

10 劉傳偉;運(yùn)動(dòng)想象腦電的特征提取和模式分類算法研究及在線驗(yàn)證[D];昆明理工大學(xué);2016年

，

本文編號(hào)：1672938