本文關(guān)鍵詞：基于L1-范數(shù)的EEG信號(hào)魯棒分類研究，由筆耕文化傳播整理發(fā)布。

【摘要】：基于腦電(electroencephalography, EEG)信號(hào)的腦-機(jī)接口(brain-computer interfaces, BCI)系統(tǒng)在大腦與其他外部設(shè)備之間建立了非肌肉的通信和交流通道,腦-機(jī)接口的出現(xiàn),為無(wú)法進(jìn)行肌肉運(yùn)動(dòng)的病人提供了一種與外部環(huán)境交互的新方式。BCI技術(shù)的關(guān)鍵在于對(duì)不同精神狀態(tài)下的EEG信號(hào)進(jìn)行識(shí)別和分類。共同空間模式(common spatial patterns, CSP)是近些年提出的一種應(yīng)用廣泛的特征提取方法,能夠捕捉大腦在進(jìn)行運(yùn)動(dòng)想象相關(guān)任務(wù)時(shí)激發(fā)的事件相關(guān)同步化(event related synchronization, ERS)/事件相關(guān)去同步化(event related desynchronization, ERD)現(xiàn)象,進(jìn)而提取具有判別信息的腦電模式。然而,由于CSP算法使用L2-范數(shù)的散度表達(dá),容易受到噪聲和奇異值的影響,而單純地使用L1-范數(shù)來(lái)代替CSP中L2-范數(shù)散布表達(dá)的方法無(wú)法抑制幅值較小的噪聲的影響,也無(wú)法得到稀疏的濾波向量。此外,CSP是基于單個(gè)信號(hào)動(dòng)態(tài)表現(xiàn)的度量方法,沒(méi)有使用兩個(gè)EEG信號(hào)間的耦合信息。本文提出了兩種魯棒的改進(jìn)L1-范數(shù)共同空間模式算法——基于波形長(zhǎng)度正則化的L1-范數(shù)共同空間模式(waveform length regularized CSP-L1, wlCSPL1)算法和基于稀疏度量的L1-范數(shù)共同空間模式(sparse L1-norm based common spatial patterns, sp-CSPL1)算法；此外,提出了一個(gè)度量信號(hào)間相位同步性的相位特征提取算法——符號(hào)秩加權(quán)的相位延遲(phase lag weighted by signed-rank, PLSR)算法,并使用三種耦合框架將EEG信號(hào)幅值特征與相位特征進(jìn)行耦合,以得到包含更多判別信息的幅值-相位耦合特征。為了驗(yàn)證所提出算法的優(yōu)越性,本文使用了1個(gè)模擬數(shù)據(jù)集和5個(gè)公開(kāi)的運(yùn)動(dòng)想象數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示：在加入人工噪聲前后,wlCSPL1算法都能利用波形長(zhǎng)度度量的噪聲項(xiàng)有效地約束空間濾波器搜索方向,提高運(yùn)動(dòng)想象任務(wù)的分類識(shí)別率；sp-CSPL1算法使用L1-范數(shù)度量的濾波向量稀疏性作為懲罰項(xiàng),能夠得到較為稀疏的空間濾波向量,提高了識(shí)別率；PLSR算法能有效地抑制信號(hào)自身不穩(wěn)定性的影響,三個(gè)幅值-相位特征耦合框架在信號(hào)分類識(shí)別方面的性能得到了驗(yàn)證,尤其是復(fù)數(shù)耦合法,在所有被試上都取得了優(yōu)于只使用CSP幅值特征的分類識(shí)別率。
【關(guān)鍵詞】：L1-范數(shù) 腦-機(jī)接口(BCI) 腦電(EEG) 共同空間模式(CSP) 相位同步 特征耦合
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R318;TN911.7
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-14
• 1.1 腦-機(jī)接口系統(tǒng)的基本組成9-10
• 1.2 EEG信號(hào)的產(chǎn)生和特點(diǎn)10-11
• 1.3 EEG信號(hào)特征提取11-12
• 1.4 EEG信號(hào)特征分類12-14
• 第二章 共同空間模式算法綜述14-19
• 2.1 共同空間模式的基本原理14-15
• 2.2 改進(jìn)的共同空間模式算法15-17
• 2.3 本文的主要工作17
• 2.4 本文的結(jié)構(gòu)安排17-19
• 第三章 波形長(zhǎng)度正則化的L1-范數(shù)共同空間模式19-37
• 3.1 波形長(zhǎng)度與噪聲度量19-21
• 3.2 波形長(zhǎng)度正則化的L1-范數(shù)共同空間模式21-25
• 3.2.1 wlCSPL1算法的目標(biāo)函數(shù)21-22
• 3.2.2 目標(biāo)函數(shù)的求解及迭代算法22-24
• 3.2.3 算法收斂性證明24-25
• 3.2.4 擴(kuò)展到多對(duì)濾波器25
• 3.2.5 特征提取25
• 3.3 基于模擬數(shù)據(jù)的實(shí)驗(yàn)25-27
• 3.4 基于真實(shí)EEG數(shù)據(jù)的實(shí)驗(yàn)27-36
• 3.4.1 EEG數(shù)據(jù)說(shuō)明及預(yù)處理27-28
• 3.4.2 實(shí)驗(yàn)參數(shù)的設(shè)定28-29
• 3.4.3 在原始EEG信號(hào)上的實(shí)驗(yàn)結(jié)果29-34
• 3.4.4 噪聲的引入及在噪聲數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果34-36
• 3.5 本章小結(jié)36-37
• 第四章 稀疏的L1-范數(shù)共同空間模式37-48
• 4.1 L1-范數(shù)的稀疏原理37-38
• 4.2 稀疏的L1-范數(shù)共同空間模式38-41
• 4.2.1 目標(biāo)函數(shù)的提出及求解38-40
• 4.2.2 算法收斂性證明40-41
• 4.2.3 擴(kuò)展到多對(duì)濾波器41
• 4.3 實(shí)驗(yàn)數(shù)據(jù)說(shuō)明及參數(shù)設(shè)定41-43
• 4.3.1 數(shù)據(jù)說(shuō)明41-42
• 4.3.2 預(yù)處理42
• 4.3.3 參數(shù)的設(shè)定42-43
• 4.4 實(shí)驗(yàn)結(jié)果43-47
• 4.4.1 在BCI competition Ⅲ Ⅳa數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果43-45
• 4.4.2 在BCI 2000 PhysioNet數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果45-47
• 4.5 本章小結(jié)47-48
• 第五章 幅值-相位特征耦合的特征提取算法48-64
• 5.1 相位同步現(xiàn)象及幅值-相位耦合的重要性48-51
• 5.1.1 EEG信號(hào)的基本特征48-49
• 5.1.2 同步現(xiàn)象及度量方法49-50
• 5.1.3 幅值-相位特征耦合的意義50-51
• 5.2 符號(hào)秩加權(quán)的相位延遲算法51-52
• 5.2.1 算法提出51
• 5.2.2 算法優(yōu)勢(shì)分析51-52
• 5.3 幅值-相位耦合的特征提取方法52-54
• 5.3.1 提取幅值特征52
• 5.3.2 提取相位特征52-53
• 5.3.3 幅值-相位特征耦合53-54
• 5.4 BCI COMPETITION Ⅳ ⅡA數(shù)據(jù)集54-59
• 5.4.1 實(shí)驗(yàn)數(shù)據(jù)說(shuō)明及預(yù)處理54-55
• 5.4.2 電極耦合方法55-56
• 5.4.3 實(shí)驗(yàn)結(jié)果56-59
• 5.5 在BCI COMPETITION Ⅳ Ⅰ數(shù)據(jù)集59-63
• 5.5.1 實(shí)驗(yàn)數(shù)據(jù)說(shuō)明及預(yù)處理59-60
• 5.5.2 電極耦合方法60-61
• 5.5.3 實(shí)驗(yàn)結(jié)果61-63
• 5.6 本章小結(jié)63-64
• 第六章 總結(jié)與展望64-66
• 6.1 總結(jié)64
• 6.2 存在的問(wèn)題與展望64-66
• 參考文獻(xiàn)66-71
• 碩士期間發(fā)表論文71-72
• 致謝72

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 陳偉;瞿曉;葛丁飛;;主觀引導(dǎo)特征提取法在光譜識(shí)別中的應(yīng)用[J];科技通報(bào);2011年04期

2 張劍清,J.A.R.Blais;運(yùn)用信息論進(jìn)行特征提取[J];測(cè)繪學(xué)報(bào);1990年03期

3 高湘萍;吳小培;沈謙;;基于腦電的意識(shí)活動(dòng)特征提取與識(shí)別[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

4 楊麗梅;郭立紅;;天空背景下飛行器結(jié)構(gòu)特征提取的新方法[J];光學(xué)技術(shù);2007年03期

5 陳振洲;鄒麗珊;;核Foley-Sammon變換[J];廣州大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

6 王江晴;萬(wàn)晨;;周邊方向貢獻(xiàn)度在脫機(jī)手寫(xiě)女書(shū)特征提取中的應(yīng)用[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年03期

7 李華平;;基于多特征提取的識(shí)別算法數(shù)學(xué)建模優(yōu)化研究[J];哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào);2013年04期

8 張紹武;潘泉;趙春暉;程詠梅;;基于加權(quán)自相關(guān)函數(shù)特征提取法的多類蛋白質(zhì)同源寡聚體分類研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2007年04期

9 呼聲波;劉希玉;;網(wǎng)頁(yè)分類中特征提取方法的比較與改進(jìn)[J];山東師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

10 李鄉(xiāng)儒;;光譜數(shù)據(jù)挖掘中的特征提取方法[J];天文學(xué)進(jìn)展;2012年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 尚修剛;蔣慰孫;;模糊特征提取新算法[A];1997中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

2 潘榮江;孟祥旭;楊承磊;王銳;;旋轉(zhuǎn)體的幾何特征提取方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

3 薛燕;李建良;朱學(xué)芳;;人臉識(shí)別中特征提取的一種改進(jìn)方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

4 杜栓平;曹正良;;時(shí)間—頻率域特征提取及其應(yīng)用[A];2005年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

5 黃先鋒;韓傳久;陳旭;周劍軍;;運(yùn)動(dòng)目標(biāo)的分割與特征提取[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專刊[C];2008年

6 魏明果;;方言比較的特征提取與矩陣分析[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

7 林土勝;賴聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 秦建玲;李軍;;基于核的主成分分析的特征提取方法與樣本篩選[A];2005年中國(guó)機(jī)械工程學(xué)會(huì)年會(huì)論文集[C];2005年

9 劉紅;陳光，

本文編號(hào)：503382