聽覺注意是聽覺系統(tǒng)得以正常工作的關(guān)鍵,聽覺注意的研究使得人們對(duì)聽覺系統(tǒng)有了進(jìn)一步的認(rèn)識(shí),理解聽覺注意機(jī)制在現(xiàn)實(shí)應(yīng)用中具有重要的意義。腦電信號(hào)包含豐富的生理信息,且具有廉價(jià),高時(shí)間分辨率等特點(diǎn),將腦電技術(shù)應(yīng)用于大腦分析已經(jīng)較為普遍。本文,基于腦電圖,研究了聽覺追蹤注意狀態(tài)的分類方法,探索了聽覺注意時(shí)空機(jī)制,構(gòu)建了基于聽覺注意的腦機(jī)接口。詳細(xì)研究的內(nèi)容有以下三個(gè)方面:第一、聽覺追蹤注意狀態(tài)的分類研究。神經(jīng)響應(yīng)和語音刺激之間相關(guān)性的強(qiáng)弱跟聽覺注意狀態(tài)的好壞有直接關(guān)系�；诖�,提出了一種以源空間特征圖像為輸入的新型卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)模型,對(duì)在雞尾酒會(huì)環(huán)境中的聽覺追蹤注意狀態(tài)進(jìn)行了分類。首先,基于加權(quán)最小范數(shù)估計(jì)和節(jié)律熵,構(gòu)建了源空間特征圖像并將其作為分類特征。然后,搭建了具有3個(gè)卷積層的CNN分類模型,該模型的分類精度達(dá)到了80.4%。同其它特征輸入方法相比,源空間特征圖像獲得了最優(yōu)的分類結(jié)果,結(jié)果具有顯著性。第二、聽覺注意的時(shí)空機(jī)制探究。注意力在聽覺系統(tǒng)排除干擾,加工特定信息的過程中起著關(guān)鍵的作用,聽覺注意時(shí)的激活區(qū)域及激活時(shí)間...

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1語音刺激示例

重慶郵電大學(xué)碩士學(xué)位論文第2章聽覺追蹤注意狀態(tài)的分類研究11在想去“紅”“2”點(diǎn)。語音刺激包含兩種代號(hào)（麻雀和云雀），三種顏色（紅色、綠色和藍(lán)色）和三種數(shù)字(2、5和7)，所有刺激材料均由中文朗讀。實(shí)驗(yàn)流程如下：實(shí)驗(yàn)前，被試在單語音刺激環(huán)境下接受訓(xùn)練，直到他們能夠正確響應(yīng)所聽到的....

圖2.2源空間特征圖轉(zhuǎn)換流程圖

重慶郵電大學(xué)碩士學(xué)位論文第2章聽覺追蹤注意狀態(tài)的分類研究13其中，表示采樣點(diǎn)的數(shù)量，()表示大腦皮層的活動(dòng)。=1,2,3,代表三種節(jié)律。表示偶極子，型節(jié)律的歸一化。表示偶極子的節(jié)律熵。ROI選擇：根據(jù)以前的研究，顳葉和額葉參與了聽覺注意[56]。顳葉區(qū)與聽覺信息處理有關(guān)，額葉區(qū)與....

圖2.33L-CNN模型

重慶郵電大學(xué)碩士學(xué)位論文第2章聽覺追蹤注意狀態(tài)的分類研究dropout層。第三個(gè)池化層之后是一個(gè)128維的全連接層，同樣在全連接層之后連接一個(gè)概率為0.5的Dropout層。最后一層是輸出層，即一個(gè)大小為1×....

圖2.4第一個(gè)卷積層的特征圖可視化

重慶郵電大學(xué)碩士學(xué)位論文第2章聽覺追蹤注意狀態(tài)的分類研究182.5.2特征圖可視化淺層的卷積層通常學(xué)習(xí)簡(jiǎn)單的如邊緣和顏色特征[63]。圖2.4顯示了所有被試的正負(fù)樣本在第一個(gè)卷積層的特征圖的宏平均。圖2.4包含每類樣本的8個(gè)卷積核對(duì)應(yīng)的特征圖。圖2.4第一個(gè)卷積層的特征圖可視化注....

本文編號(hào)：3999269