本文關(guān)鍵詞：BCI中的運(yùn)動想象腦電信號處理方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：腦-機(jī)接口(Brain Computer Interface,BCI)是指繞過傳統(tǒng)的人體肌肉組織和外周神經(jīng)等途徑建立一個人腦與外部設(shè)備直接進(jìn)行信息交流與控制的新型通道的系統(tǒng),是一種基于腦電信號(Electroencephalogram,EEG)的人機(jī)交互方式�；谶\(yùn)動想象腦電信號的BCI系統(tǒng)就是將想象不同肢體運(yùn)動所產(chǎn)生的腦電信號作為輸入信號,通過分析處理進(jìn)行判斷生成相應(yīng)的控制命令操控外部設(shè)備。本文針對運(yùn)動想象腦電信號的特點(diǎn),研究分析了兩類運(yùn)動想象腦電信號的消噪、特征提取與優(yōu)化及特征分類等處理過程。本文的工作內(nèi)容及創(chuàng)新點(diǎn)如下:(1)為了濾除腦電信號中的干擾噪聲,提出了一種將集合經(jīng)驗?zāi)B(tài)分解(Ensemble Empirical Mode Decomposition,EEMD)與改進(jìn)小波閾值法相結(jié)合的腦電消噪方法。改進(jìn)小波閾值法是在傳統(tǒng)小波閾值的基礎(chǔ)上采用了新的閾值選取規(guī)則和閾值函數(shù)。首先將EEG進(jìn)行EEMD分解,由于分解后噪聲大多分布在前幾個高頻分量中,所以接下來只選取前幾個高頻分量進(jìn)行改進(jìn)小波閾值處理,最后將處理后的分量與未處理的低頻分量進(jìn)行重構(gòu)得到消噪后的信號。該消噪算法可以很好地消除腦電信號中的噪聲并保留大部分有用信息,為后續(xù)處理奠定了很好的基礎(chǔ)。(2)運(yùn)動想象腦電信號具有時頻空三域信息。針對單一的特征提取方法無法提取出能全面反映信號特點(diǎn)的特征的不足,本文選用能提取頻域信息的經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)和小波包分解分別與可提取空域信息的共空間模式(Common Spatial Pattern,CSP)相結(jié)合進(jìn)行特征提取。兩種結(jié)合的方法都能很好地提取EEG的多域特征,有利于后續(xù)的分類識別。(3)考慮到不同個體產(chǎn)生的運(yùn)動想象腦電信號具有差異性,針對多通道EEG數(shù)據(jù)提出了通過計算不同通道兩類想象任務(wù)的平均能量差來進(jìn)行通道選擇。該方法在保證了有用數(shù)據(jù)盡可能多地被處理的同時上減少了需要處理的通道數(shù),提高了效率。另外,鑒于提取的特征可能對分類的作用不大甚至有的還有干擾,提出了基于決策樹的特征選擇方法。通過決策樹的構(gòu)建可以找出對分類重要性高的特征,從而同時提高了分類效果和分類效率。(4)采用以徑向基核函數(shù)建模的支持向量機(jī)(Support Vector Machine,SVM)作為分類器進(jìn)行分類,分別采用交叉驗證(Cross Validation,CV)算法和遺傳算法(Genetic Algorithm,GA)對懲罰因子C和核參數(shù)?進(jìn)行尋優(yōu),優(yōu)化SVM性能。通過實(shí)驗仿真表明這兩種方法改進(jìn)SVM都可得到不錯的分類效果。將兩者對比可發(fā)現(xiàn)前者的分類效果更好,而后者的分類效率更高。(5)分別選用了模擬腦電數(shù)據(jù)、2003年BCI競賽的數(shù)據(jù)集Ⅲ和2008年BCI競賽的數(shù)據(jù)集Ⅰ作為仿真數(shù)據(jù)進(jìn)行實(shí)驗。實(shí)驗結(jié)果可證明本文研究的算法有效,并在一定程度上還對比了不同特征提取和分類算法的優(yōu)劣。
【關(guān)鍵詞】：腦-機(jī)接口 運(yùn)動想象 集合經(jīng)驗?zāi)B(tài)分解 小波閾值 決策樹 支持向量機(jī)
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：R318;TN911.7
【目錄】：

• 摘要5-7
• ABSTRACT7-12
• 第1章 緒論12-18
• 1.1 BCI技術(shù)概述12-13
• 1.1.1 腦-機(jī)接口的基本組成12-13
• 1.1.2 腦-機(jī)接口的分類13
• 1.2 腦-機(jī)接口的研究意義13-15
• 1.3 國內(nèi)外研究現(xiàn)狀和發(fā)展15-16
• 1.4 本文主要工作內(nèi)容及組織結(jié)構(gòu)16-18
• 第2章 運(yùn)動想象腦電信號18-24
• 2.1 腦電信號的基本理論18-20
• 2.1.1 大腦的結(jié)構(gòu)和功能18
• 2.1.2 腦電信號產(chǎn)生的機(jī)制18-19
• 2.1.3 腦電信號的分類19
• 2.1.4 腦電信號的特點(diǎn)19-20
• 2.2 腦電信號的采集20-21
• 2.3 運(yùn)動想象腦電信號的特點(diǎn)21
• 2.4 實(shí)驗數(shù)據(jù)21-22
• 2.4.1 運(yùn)動想象腦電數(shù)據(jù)集一21-22
• 2.4.2 運(yùn)動想象腦電數(shù)據(jù)集二22
• 2.5 本章小結(jié)22-24
• 第3章 運(yùn)動想象腦電信號的消噪24-40
• 3.1 小波分析法24-28
• 3.1.1 模極大值消噪24-25
• 3.1.2 空域相關(guān)性消噪25-26
• 3.1.3 小波閾值消噪26-28
• 3.2 經(jīng)驗?zāi)B(tài)分解28-30
• 3.2.1 固有模態(tài)函數(shù)28
• 3.2.2 經(jīng)驗?zāi)B(tài)分解28-30
• 3.2.3 集合經(jīng)驗?zāi)B(tài)分解30
• 3.3 基于EEMD和改進(jìn)小波閾值的消噪方法30-32
• 3.3.1 改進(jìn)小波閾值算法30-31
• 3.3.3 基于EEMD和改進(jìn)小波閾值法的消噪方法31-32
• 3.4 實(shí)驗仿真32-39
• 3.4.1 標(biāo)準(zhǔn)信號加噪仿真實(shí)驗32-35
• 3.4.2 運(yùn)動想象EEG消噪實(shí)驗35-39
• 3.5 本章小結(jié)39-40
• 第4章 運(yùn)動想象腦電信號的特征提取及其優(yōu)化40-53
• 4.1 小波包分解40-42
• 4.2 希爾伯特-黃變換42-48
• 4.3 共空間模式48-50
• 4.4 特征提取的優(yōu)化50-52
• 4.4.1 通道的選擇50-51
• 4.4.2 基于決策樹的特征選擇51-52
• 4.5 本章小結(jié)52-53
• 第5章 運(yùn)動想象腦電信號的分類53-62
• 5.1 常用的腦電分類方法53-55
• 5.1.1 線性判別分析53-54
• 5.1.2 神經(jīng)網(wǎng)絡(luò)分類器54-55
• 5.1.3 支持向量機(jī)分類器55
• 5.2 支持向量機(jī)55-61
• 5.2.1 基本原理55-56
• 5.2.2 線性支持向量機(jī)56-57
• 5.2.3 非線性支持向量機(jī)57-58
• 5.2.4 懲罰因子和核參數(shù)的尋優(yōu)58-61
• 5.3 本章小結(jié)61-62
• 第6章 實(shí)驗結(jié)果分析62-71
• 6.1 數(shù)據(jù)集一結(jié)果分析62-67
• 6.1.1 特征提取62-63
• 6.1.2 特征分類63-65
• 6.1.3 分類結(jié)果及分析65-67
• 6.2 數(shù)據(jù)集二結(jié)果分析67-70
• 6.2.1 通道選擇67
• 6.2.2 特征提取和選擇67-68
• 6.2.3 分類結(jié)果及分析68-70
• 6.3 本章小結(jié)70-71
• 第7章 總結(jié)與展望71-73
• 致謝73-74
• 參考文獻(xiàn)74-79
• 附錄:79

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 陽宏;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)動想象分組策略[J];廣西師范大學(xué)學(xué)報(自然科學(xué)版);2011年03期

2 劉燕;穆振東;;運(yùn)動想象機(jī)制研究[J];科技廣場;2011年01期

3 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前10條

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

2 賈子善;;運(yùn)動想像的理論與應(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;;運(yùn)動想象腦電模式的動態(tài)分類[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

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

5 孔萬增;張艷娜;胡三清;戴國駿;張建海;魏大名;;基于運(yùn)動想象的中風(fēng)患者肢體康復(fù)實(shí)時控制系統(tǒng)[A];第一屆全國神經(jīng)動力學(xué)學(xué)術(shù)會議程序手冊 & 論文摘要集[C];2012年

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

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

8 王艷;唐強(qiáng);白震民;李娟;;頭穴叢刺與被動運(yùn)動和運(yùn)動想象結(jié)合對早期腦卒中患者運(yùn)動功能的影響[A];中國康復(fù)醫(yī)學(xué)會第五屆全國康復(fù)治療學(xué)術(shù)會議論文集[C];2006年

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

10 吳華;顧旭東;時美芳;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)動想象療法對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

中國博士學(xué)位論文全文數(shù)據(jù)庫 前9條

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

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

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

4 魏慶國;基于運(yùn)動想象的腦—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)動想象認(rèn)知過程的研究[D];上海交通大學(xué);2012年

7 方永慧;基于運(yùn)動想象腦電信號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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 牛小辰;康復(fù)運(yùn)動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 孫會文;基于運(yùn)動想象腦電的腦機(jī)交互模式識別方法研究[D];昆明理工大學(xué);2015年

4 康莎莎;多類運(yùn)動想象腦電信號的識別及其在BCI中的應(yīng)用[D];安徽大學(xué);2016年

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

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

7 王超;基于OpenVIBE的高性能運(yùn)動想象在線腦—機(jī)接口系統(tǒng)研究[D];華南理工大學(xué);2016年

8 馬秀秀;基于運(yùn)動想象的異步腦—機(jī)接口算法研究[D];哈爾濱工業(yè)大學(xué);2016年

9 張琪涵;運(yùn)動執(zhí)行與運(yùn)動想象大腦激活模式的比較[D];天津師范大學(xué);2016年

10 張欣;基于穩(wěn)態(tài)子空間分析的運(yùn)動想象腦電信號研究[D];南京郵電大學(xué);2016年

  本文關(guān)鍵詞：BCI中的運(yùn)動想象腦電信號處理方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：448016