本文選題：腦-機接口 + 腦電圖��； 參考：《南京郵電大學(xué)》2017年碩士論文

【摘要】：腦-機接口是一種全新的人工智能控制系統(tǒng),使用戶與電子設(shè)備進行交互的信息通路發(fā)生了改變,創(chuàng)造了一種全新的交互方式。腦-機接口系統(tǒng)在輔助康復(fù)領(lǐng)域有巨大的應(yīng)用空間。當人類在進行思維活動時,大腦會產(chǎn)生各種信號,這些信號可以通過腦電、腦磁、fMRI等多種途徑記錄下來。與其他信號相比,腦電信號具有制造成本低、時間分辨率高、小巧便攜等優(yōu)勢。論文基于腦電信號,對基于運動想象任務(wù)的腦-機接口系統(tǒng)進行了研究,重點研究了各種特征提取技術(shù)。論文首先對大腦的結(jié)構(gòu)和腦電圖信號的產(chǎn)生機制、類型以及腦-機接口系統(tǒng)的研究方法進行了介紹,重點介紹了常用特征提取、分類方法,并分析了不同算法的優(yōu)缺點。其次,設(shè)計了一個基于運動想象任務(wù)的腦電圖信號采集實驗。論文詳細介紹了實驗方案、實驗設(shè)備、實驗過程以及實驗的注意事項。然后,論文運用排列組合熵特征,研究了排列組合熵作為基于運動想象的腦-機接口系統(tǒng)的特征的可行性,并對其進行改進,提出了一種基于EMD分解重構(gòu)的排列組合熵算法。使用該算法提取排列組合熵特征,并使用線性判別分類器進行分類,分類正確率相比原始的排列組合熵算法有了提高,說明了該算法的有效性。論文還提出了一種基于改進的頻帶能量的特征提取算法。首先對頻帶能量算法進行研究分析,分析了其優(yōu)缺點,提出了一種對當前時刻以前的頻帶能量值進行累積的特征提取算法,該算法提高了分類正確率和最大互信息這兩個評價指標,將結(jié)果與使用該數(shù)據(jù)的其他研究人員的研究成果進行比較,該算法有著明顯的優(yōu)勢。
[Abstract]:Brain-computer interface (BCI) is a new artificial intelligence control system, which changes the information path between users and electronic devices and creates a new way of interaction. The brain-computer interface system has great application space in the field of auxiliary rehabilitation. When people are thinking, the brain produces various signals, which can be recorded by EEG, MRI and other channels. Compared with other signals, EEG signals have the advantages of low cost, high time resolution and small portability. Based on EEG, the brain-computer interface system based on motion imagination task is studied in this paper, with emphasis on various feature extraction techniques. Firstly, the structure of the brain and the mechanism of EEG signal generation, the types and the research methods of brain-computer interface system are introduced. The common feature extraction and classification methods are introduced, and the advantages and disadvantages of different algorithms are analyzed. Secondly, an EEG signal acquisition experiment based on motion imagination task is designed. This paper introduces the experimental scheme, experimental equipment, experimental process and points for attention in detail. Then, the feasibility of permutation and combination entropy as the feature of brain-computer interface system based on motion imagination is studied and improved, and a permutation and combination entropy algorithm based on EMD decomposition and reconstruction is proposed. The algorithm is used to extract the feature of permutation combination entropy and to use linear discriminant classifier to classify. The classification accuracy is improved compared with the original permutation combination entropy algorithm, which shows the validity of the algorithm. A feature extraction algorithm based on improved band energy is also proposed. Firstly, the band energy algorithm is studied, and its advantages and disadvantages are analyzed, and a feature extraction algorithm is proposed, which accumulates the frequency band energy value before the current moment. The algorithm improves the classification accuracy and the maximum mutual information, and compares the results with the research results of other researchers who use the data. The algorithm has obvious advantages.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN911.7;R318

【參考文獻】

相關(guān)期刊論文 前10條

1 張學(xué)軍;丁鈺涵;黃麗亞;成謝鋒;;基于小波包基與能量熵的MEG自動分類方法[J];計算機技術(shù)與發(fā)展;2016年06期

2 汝佳;陳莉;房鼎益;;一種LDA和聚類融合的SVM多類分類方法[J];西北大學(xué)學(xué)報(自然科學(xué)版);2014年04期

3 喬靜;胡鵬舉;洪杰;;基于能量法的腦機接口運動想象分類研究[J];中國醫(yī)療器械雜志;2014年01期

4 李紅利;王江;鄧斌;魏熙樂;;基于AAR模型和累積頻帶能量的特征提取方法[J];天津大學(xué)學(xué)報(自然科學(xué)與工程技術(shù)版);2013年09期

5 馮輔周;饒國強;司愛威;孫野;;排列熵算法的應(yīng)用與發(fā)展[J];裝甲兵工程學(xué)院學(xué)報;2012年02期

6 徐寶國;宋愛國;費樹岷;;在線腦機接口中腦電信號的特征提取與分類方法[J];電子學(xué)報;2011年05期

7 應(yīng)基光;王行愚;;基于EMD的左右手運動想象腦電信號分析研究[J];生物醫(yī)學(xué)工程學(xué)進展;2009年03期

8 李谷;范影樂;龐全;;基于排列組合熵的腦電信號睡眠分期研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2009年04期

9 明東;;用于腦機接口的感覺刺激事件相關(guān)電位研究進展[J];電子測量與儀器學(xué)報;2009年06期

10 高上凱;;神經(jīng)工程與腦-機接口[J];生命科學(xué);2009年02期

相關(guān)博士學(xué)位論文 前1條

1 方永慧;基于運動想象腦電信號非線性特性分析的腦—機接口研究[D];重慶大學(xué);2014年

相關(guān)碩士學(xué)位論文 前4條

1 朱麗敏;基于希爾伯特黃變換和源定位的精神分裂癥MEG分析與識別研究[D];南京郵電大學(xué);2016年

2 張旭祥;肌萎縮側(cè)索硬化癥吞咽功能及影像學(xué)的相關(guān)研究[D];廣州中醫(yī)藥大學(xué);2015年

3 婁亞飛;基于運動想象的BCI在線識別[D];鄭州大學(xué);2014年

4 宋俊可;基于EEG的運動想象分類與識別算法及其在腦—機接口中的應(yīng)用[D];安徽大學(xué);2012年

，

本文編號：1813193