腦電信號（EEG）的分析與識別是認(rèn)知科學(xué)、生理學(xué)、精神病學(xué)等領(lǐng)域的研究熱點(diǎn),在腦疾病診斷、情緒分析、認(rèn)知障礙分析等領(lǐng)域具有廣闊的應(yīng)用前景。在工程應(yīng)用方面,EEG被人們用于實(shí)現(xiàn)人腦——計(jì)算機(jī)接口（BCI）,通過對不同感覺、運(yùn)動或認(rèn)知活動的EEG進(jìn)行識別,實(shí)現(xiàn)“遠(yuǎn)程”控制計(jì)算機(jī)或設(shè)備。運(yùn)動想象EEG作為當(dāng)前BCI系統(tǒng)的主要研究對象,其分析與識別技術(shù)被應(yīng)用于運(yùn)動障礙患者的輔助設(shè)備研究,因此,開展運(yùn)動想象EEG的分類識別研究具有重要的實(shí)際意義和應(yīng)用價值。論文首先針對現(xiàn)有研究中,基于運(yùn)動想象腦電數(shù)據(jù)集BCI 2003 Ⅲ和BCI 2005 Ⅲa的EEG分析處理方法繁多,數(shù)據(jù)集BCI 2003 Ⅲ的識別率普遍高于數(shù)據(jù)集BCI 2005 Ⅲa的現(xiàn)象,以ERD/ERS現(xiàn)象為理論基礎(chǔ),對影響運(yùn)動想象EEG識別的因素進(jìn)行了分析,通過實(shí)驗(yàn)驗(yàn)證確定了三個主要影響因素:EEG的噪聲含量,對運(yùn)動想象任務(wù)的反應(yīng)程度,左、右腦信號的能量差異。解釋了兩個數(shù)據(jù)集識別率存在差異的現(xiàn)象,對選擇恰當(dāng)?shù)腅EG處理方法具有指導(dǎo)性作用。其次,基于上述對影響因素的分析,以數(shù)據(jù)集BCI 2005 Ⅲa為研究對象,為提高數(shù)據(jù)有效性和分類識... 

【文章來源】：東北師范大學(xué)吉林省 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于BCI系統(tǒng)的運(yùn)動障礙患者的輔助設(shè)備

東北師范大學(xué)碩士學(xué)位論文7為9s，前2s受試者處于放松狀態(tài)；第3s系統(tǒng)會有聲音提示表明試驗(yàn)開始，并在屏幕上顯示一個十字“+”；第4s開始至第9s電腦屏幕上會隨機(jī)出現(xiàn)一個箭頭（指向左或者右），受試者需要根據(jù)箭頭的指示想象左手或右手運(yùn)動。腦電數(shù)據(jù)的采集通過三對差分電極獲得，電極的放置遵循國際標(biāo)準(zhǔn)10-20通道系統(tǒng)中C3、Cz、C4三個通道的位置，如圖1.3(b)所示。數(shù)據(jù)的采樣頻率為128Hz，并經(jīng)過0.5-30Hz的濾波，數(shù)據(jù)以.mat文件格式存儲[38]。(a)實(shí)驗(yàn)時序圖(b)電極位置示意圖圖1.3數(shù)據(jù)集2003III實(shí)驗(yàn)范式2005年BCI競賽數(shù)據(jù)集IIIa是由奧地利Graz科技大學(xué)BCI實(shí)驗(yàn)室公布的四類（左手、右手、腳和舌頭）運(yùn)動想象腦電數(shù)據(jù)集。該實(shí)驗(yàn)共有三名受試者，分別被標(biāo)記為“k3b”、“k6b”、“l(fā)1b”。其中“k3b”受試者每類進(jìn)行90次試驗(yàn)，共360次；“k6b”和“l(fā)1b”受試者每類進(jìn)行60次試驗(yàn)，共240次試驗(yàn)。實(shí)驗(yàn)過程如圖1.4(a)所示。每次試驗(yàn)采集的時長為7s，前2s受試者處于靜息狀態(tài)，第3s系統(tǒng)發(fā)出蜂鳴提示音并在屏幕上顯示一個十字“+”，第4s電腦屏幕上隨機(jī)顯示指向上、下、左、右的箭頭，受試者開始根據(jù)箭頭提示進(jìn)行想象舌頭、腳、左手或者右手運(yùn)動持續(xù)4s，每次試驗(yàn)之間休息3.24s。該數(shù)據(jù)集的腦電數(shù)據(jù)由60個通道組成，采集設(shè)備是Neuroscan公司的64通道EEG放大器，該放大器的通道位置如圖1.4(b)所示。數(shù)據(jù)的采樣頻率為250Hz，并經(jīng)過1-50Hz濾波，所有次試驗(yàn)的數(shù)據(jù)被連接起來并存儲為GDF格式[39]。(a)試驗(yàn)時序圖(b)電極位置示意圖圖1.4數(shù)據(jù)集2005IIIa實(shí)驗(yàn)范式32C3Cz321C415cm

東北師范大學(xué)碩士學(xué)位論文7為9s，前2s受試者處于放松狀態(tài)；第3s系統(tǒng)會有聲音提示表明試驗(yàn)開始，并在屏幕上顯示一個十字“+”；第4s開始至第9s電腦屏幕上會隨機(jī)出現(xiàn)一個箭頭（指向左或者右），受試者需要根據(jù)箭頭的指示想象左手或右手運(yùn)動。腦電數(shù)據(jù)的采集通過三對差分電極獲得，電極的放置遵循國際標(biāo)準(zhǔn)10-20通道系統(tǒng)中C3、Cz、C4三個通道的位置，如圖1.3(b)所示。數(shù)據(jù)的采樣頻率為128Hz，并經(jīng)過0.5-30Hz的濾波，數(shù)據(jù)以.mat文件格式存儲[38]。(a)實(shí)驗(yàn)時序圖(b)電極位置示意圖圖1.3數(shù)據(jù)集2003III實(shí)驗(yàn)范式2005年BCI競賽數(shù)據(jù)集IIIa是由奧地利Graz科技大學(xué)BCI實(shí)驗(yàn)室公布的四類（左手、右手、腳和舌頭）運(yùn)動想象腦電數(shù)據(jù)集。該實(shí)驗(yàn)共有三名受試者，分別被標(biāo)記為“k3b”、“k6b”、“l(fā)1b”。其中“k3b”受試者每類進(jìn)行90次試驗(yàn)，共360次；“k6b”和“l(fā)1b”受試者每類進(jìn)行60次試驗(yàn)，共240次試驗(yàn)。實(shí)驗(yàn)過程如圖1.4(a)所示。每次試驗(yàn)采集的時長為7s，前2s受試者處于靜息狀態(tài)，第3s系統(tǒng)發(fā)出蜂鳴提示音并在屏幕上顯示一個十字“+”，第4s電腦屏幕上隨機(jī)顯示指向上、下、左、右的箭頭，受試者開始根據(jù)箭頭提示進(jìn)行想象舌頭、腳、左手或者右手運(yùn)動持續(xù)4s，每次試驗(yàn)之間休息3.24s。該數(shù)據(jù)集的腦電數(shù)據(jù)由60個通道組成，采集設(shè)備是Neuroscan公司的64通道EEG放大器，該放大器的通道位置如圖1.4(b)所示。數(shù)據(jù)的采樣頻率為250Hz，并經(jīng)過1-50Hz濾波，所有次試驗(yàn)的數(shù)據(jù)被連接起來并存儲為GDF格式[39]。(a)試驗(yàn)時序圖(b)電極位置示意圖圖1.4數(shù)據(jù)集2005IIIa實(shí)驗(yàn)范式32C3Cz321C415cm

【參考文獻(xiàn)】：
期刊論文
[1]空間濾波方法在腦-機(jī)接口中的應(yīng)用及研究進(jìn)展[J]. 王韜,柯余峰,王寧慈,劉文陶,安興偉,明東.  中國生物醫(yī)學(xué)工程學(xué)報. 2019(05)
[2]基于經(jīng)驗(yàn)?zāi)B(tài)分解和極限學(xué)習(xí)機(jī)的癲癇腦電提取分類研究[J]. 宋玉龍,趙冕,鄭威.  生物醫(yī)學(xué)工程研究. 2019(03)
[3]基于PCA和LDA改進(jìn)算法的人臉識別技術(shù)研究[J]. 劉亮.  無線互聯(lián)科技. 2019(17)
[4]基于半監(jiān)督LDA特征子空間優(yōu)化的人臉識別算法[J]. 紀(jì)明君,劉漫丹,才樂千.  計(jì)算機(jī)工程與科學(xué). 2018(10)
[5]基于S變換和共空間模式的運(yùn)動想象腦電特征提取[J]. 張文亮,林彬,黃婉露,張學(xué)軍.  科學(xué)技術(shù)與工程. 2018(23)
[6]基于自適應(yīng)無參經(jīng)驗(yàn)小波變換和選擇集成分類模型的運(yùn)動想象[J]. 何群,王煜文,杜碩,陳曉玲,謝平.  物理學(xué)報. 2018(11)
[7]事件相關(guān)去同步化和同步化方法在腦電信號分析中的研究進(jìn)展[J]. 周思捷,白紅民.  中國微侵襲神經(jīng)外科雜志. 2018(03)
[8]頭皮腦電采集技術(shù)研究[J]. 張發(fā)華,舒琳,邢曉芬.  電子技術(shù)應(yīng)用. 2017(12)
[9]一種基于時-空-頻聯(lián)合選擇與相關(guān)向量機(jī)的運(yùn)動想象腦電信號分析算法[J]. 王洪濤,李霆,黃輝,賀躍幫,劉旭程.  控制理論與應(yīng)用. 2017(10)
[10]基于總體經(jīng)驗(yàn)?zāi)B(tài)分解的多類特征的運(yùn)動想象腦電識別方法研究[J]. 楊默涵,陳萬忠,李明陽.  自動化學(xué)報. 2017(05)

碩士論文
[1]基于腦電信號的實(shí)時情感識別系統(tǒng)[D]. 孔維嘉.蘭州大學(xué) 2019
[2]基于運(yùn)動想象的腦電信號分析與腦機(jī)接口系統(tǒng)設(shè)計(jì)[D]. 常宇.中北大學(xué) 2019
[3]基于EEG的信號處理與疼痛識別研究[D]. 李冬.浙江大學(xué) 2019
[4]運(yùn)動想象腦機(jī)接口中模式識別方法研究[D]. 葛榮祥.東南大學(xué) 2018
[5]高密度腦電信號預(yù)處理及特征提取方法研究[D]. 沈宇曉彤.南京大學(xué) 2018
[6]基于深度學(xué)習(xí)的運(yùn)動想象腦電信號分類算法研究[D]. 佟歌.哈爾濱工程大學(xué) 2018
[7]基于運(yùn)動想象的腦電特征提取及特征遷移方法研究[D]. 韓飛.哈爾濱工業(yè)大學(xué) 2017
[8]基于運(yùn)動想象的腦—機(jī)接口的算法研究[D]. 王猛.西南科技大學(xué) 2016
[9]基于運(yùn)動想象腦電信號的分類研究[D]. 李立亭.天津理工大學(xué) 2016



本文編號：3585034