非植入式腦-機接口(Brain-Computer Interface,BCI)通過采集和解碼人體生物電信號并轉(zhuǎn)換成外部設備控制命令,可以為思維功能正常但運動功能障礙的人群提供與外部設備直接交流的新方式,且不依賴于傳統(tǒng)的肌肉神經(jīng)傳輸系統(tǒng)。腦電信號(Electroencephalography,EEG)由于采集相對方便、安全面被廣泛應用于BCI系統(tǒng)中。然而在EEG信號采集過程中,不可避免的會出現(xiàn)偽跡或環(huán)境噪聲干擾,且由于容體積傳導,EEG的空間分辨率和信噪比低。獨立分量分析(Independent Component Analysis,ICA)作為一種有效的空域濾波方法,被廣泛的應用于BCI的消噪和特征提取中,可以提高EEG信號的信噪比。但是基于ICA的運動想象BCI系統(tǒng)(ICA-based Motor Imagery BCI,ICA-MIBCI)對導聯(lián)分布和訓練樣本質(zhì)量比較敏感,這將影響對運動想象EEG信號(Motor Imagery EEG,MIEEG)的有效分類。為了降低導聯(lián)分布和數(shù)據(jù)質(zhì)量對BCI系統(tǒng)的影響,提高系統(tǒng)性能,論文研究了基于獨立分量分析的運動想象BCI系統(tǒng)導聯(lián)優(yōu)化算法和訓...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 腦-機接口系統(tǒng)的概述
        1.1.1 腦-機接口的研究背景和意義
        1.1.2 腦-機接口的組成
    1.2 腦-機接口的發(fā)展歷程和現(xiàn)狀
    1.3 運動想象腦-機接口面臨的問題
    1.4 研究內(nèi)容與章節(jié)安排
第二章 運動想象BCI的研究基礎
    2.1 腦電信號相關理論
        2.1.1 腦電信號的產(chǎn)生
        2.1.2 腦電信號的特點
        2.1.3 EEG信號的分類
    2.2 ERD/ERS現(xiàn)象
    2.3 運動想象腦電信號的分析方法
    2.4 本章小結(jié)
第三章 ICA方法在BCI中的應用
    3.1 盲源分離基本理論
    3.2 ICA方法概述
        3.2.1 線性瞬時混合ICA的基本模型
        3.2.2 ICA的前提與假設
        3.2.3 ICA存在的問題
    3.3 基于Informax的ICA算法
        3.3.1 Informax算法
        3.3.2 擴展Informax算法
    3.4 ICA在信號處理中的應用
    3.5 本章小結(jié)
第四章 運動想象BCI導聯(lián)優(yōu)化方法
    4.1 運動想象腦電信號采集實驗范式
        4.1.1 自主MIEEG實驗范式
        4.1.2 BCI2005的MIEEG實驗范式
        4.1.3 自主MIEEG公開數(shù)據(jù)庫
    4.2 基于ICA-MIBCI導聯(lián)優(yōu)化方法
        4.2.1 基于單次實驗樣本的ICA-MIBCI
        4.2.2 高質(zhì)量訓練數(shù)據(jù)的選擇
        4.2.3 最優(yōu)導聯(lián)組合的選擇
    4.3 實驗結(jié)果分析
        4.3.1 自主MIEEG公共數(shù)據(jù)集實驗結(jié)果
        4.3.2 Dataset Ⅲa自主MI-EEG公共數(shù)據(jù)集實驗結(jié)果
        4.3.3 最優(yōu)導聯(lián)分布
    4.4 本章小結(jié)
第五章 腦電信號質(zhì)量評估方法
    5.1 研究現(xiàn)狀
    5.2 影響腦電信號質(zhì)量的因素
        5.2.1 來自生理上的干擾
        5.2.2 來自外部的干擾
    5.3 識別率矩陣圖
    5.4 EEG信號質(zhì)量評估
        5.4.1 EEG信號質(zhì)量人工標記
        5.4.2 閾值的選擇
    5.5 實驗結(jié)果分析
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
附圖
附表
致謝
攻讀碩士學位期間取得的學術成果



本文編號：3773843