本文關(guān)鍵詞：基于知識(shí)累積的腦電信號(hào)分類(lèi)研究

  更多相關(guān)文章： 多尺度分割 知識(shí)累積 公共空間模式 諧波小波包分解 腦電分類(lèi) 腦-機(jī)接口

【摘要】：腦-機(jī)接口提供了一種全新的通信方式,它能夠?qū)崿F(xiàn)人腦與外部環(huán)境的直接通信,可以幫助殘障人員重新與外界交流,也能為某些領(lǐng)域提供特殊的控制方法并為探索人腦奧秘提供全新途徑。它涉及眾多研究?jī)?nèi)容,其中對(duì)腦電信號(hào)分類(lèi)方法的研究是一項(xiàng)非常重要的課題。在對(duì)腦電信號(hào)進(jìn)行分類(lèi)時(shí),目前通常使用的方法是:先確定信號(hào)中區(qū)分度最好的部分,之后再對(duì)它進(jìn)行分類(lèi)。這種方法雖然可能在統(tǒng)計(jì)分析得出的時(shí)間段上會(huì)得到較好的分類(lèi)結(jié)果,但是卻會(huì)因?yàn)閬G失該時(shí)段之前的信號(hào)中所包含的重要信息,而在實(shí)際應(yīng)用中效果不佳。因此,本文提出了一種基于知識(shí)累積的腦電信號(hào)分析方法,它通過(guò)兩方面的措施克服傳統(tǒng)方法中存在的問(wèn)題:其一,提取特征前用不同尺度的窗截取信號(hào)。其中各個(gè)窗的起始點(diǎn)相同但窗長(zhǎng)會(huì)隨著時(shí)間的增長(zhǎng)而變長(zhǎng),以避免在對(duì)后續(xù)時(shí)間段上的信號(hào)進(jìn)行分析時(shí),因未考慮與之前信號(hào)的相關(guān)性而丟失數(shù)據(jù)中所包含的原始信息。之后分別對(duì)每個(gè)窗口提取特征,并對(duì)信號(hào)進(jìn)行分類(lèi)。本文將各個(gè)窗口的分類(lèi)情況作為系統(tǒng)獲取的信號(hào)類(lèi)別知識(shí);其二,在對(duì)信號(hào)進(jìn)行最終的分類(lèi)判決時(shí)依次對(duì)獲取到的類(lèi)別知識(shí)進(jìn)行累加,并根據(jù)累加的結(jié)果得到對(duì)信號(hào)的最終判決。這里采用的知識(shí)累積法能夠結(jié)合多個(gè)窗口的分類(lèi)情況,從而矯正窗口在獨(dú)立情況下的判決結(jié)果,實(shí)現(xiàn)的更好分類(lèi)。提取特征前,本文采用公共空間模式(CSP)方法對(duì)原始數(shù)據(jù)做預(yù)處理。它作為一種有效的腦電信號(hào)分析方法被廣泛的應(yīng)用在腦-機(jī)接口等腦電信號(hào)的研究中。但是它是一種基于多通道的腦電信號(hào)處理方法,在通道數(shù)較少的情況下性能會(huì)受到很大的限制。針對(duì)這一問(wèn)題,本文采用將諧波小波包分解與CSP相結(jié)合的方法對(duì)腦電信號(hào)進(jìn)行分析。其中諧波小波包分解與二進(jìn)小波包分解原理類(lèi)似,可以實(shí)現(xiàn)對(duì)信號(hào)的多層分解。而且它能夠直接將其分解到特定層,并且沒(méi)有數(shù)據(jù)損失,即每個(gè)頻帶的數(shù)據(jù)長(zhǎng)度與原始數(shù)據(jù)長(zhǎng)度一致。因此,本文首先通過(guò)諧波小波包分解將每個(gè)通道的數(shù)據(jù)分解到多個(gè)頻段上,并將它們作為新的通道數(shù)據(jù)運(yùn)用CSP方法進(jìn)行處理。這樣不僅可以解決CSP方法在少電極腦電信號(hào)分析中存在的問(wèn)題,而且還通過(guò)實(shí)現(xiàn)對(duì)信號(hào)的多頻帶劃分達(dá)到對(duì)信號(hào)頻帶信息的充分利用。之后,本文主要對(duì)處理后的數(shù)據(jù)提取Hjorth參數(shù)以及基于CSP的特征用于分類(lèi)。最后,本文在兩屆國(guó)際腦-機(jī)接口競(jìng)賽的數(shù)據(jù)集上對(duì)提出方法進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,本方法不僅優(yōu)于競(jìng)賽中優(yōu)勝組的分類(lèi)結(jié)果,而且相對(duì)于當(dāng)前主要的方法也取得了較好的識(shí)別結(jié)果。說(shuō)明本文提出的方法可以充分利用信號(hào)中的各類(lèi)信息,以及對(duì)歷史分類(lèi)知識(shí)的累積,達(dá)到較高的分類(lèi)性能并具有高的魯棒性。
【關(guān)鍵詞】：多尺度分割 知識(shí)累積 公共空間模式 諧波小波包分解 腦電分類(lèi) 腦-機(jī)接口
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：R319;TN911.7
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-17
• 1.1 課題來(lái)源10
• 1.2 課題研究背景及意義10-11
• 1.3 國(guó)內(nèi)外腦機(jī)接口技術(shù)研究現(xiàn)狀11-15
• 1.3.1 國(guó)外研究現(xiàn)狀12-14
• 1.3.2 國(guó)內(nèi)研究現(xiàn)狀14-15
• 1.4 論文研究?jī)?nèi)容及組織結(jié)構(gòu)15-17
• 第2章 腦電信號(hào)及其分析方法研究17-25
• 2.1 大腦結(jié)構(gòu)及功能簡(jiǎn)介17-19
• 2.2 腦電信號(hào)簡(jiǎn)介19-21
• 2.3 腦電信號(hào)的特點(diǎn)及其分析方法21-24
• 2.3.1 腦電信號(hào)的特點(diǎn)21-22
• 2.3.2 腦電信號(hào)分析方法22-24
• 2.4 本章小結(jié)24-25
• 第3章 基于CSP的腦電信號(hào)特征提取算法研究25-42
• 3.1 小波包分解25-28
• 3.2 諧波小波包分解28-35
• 3.2.1 諧波小波分解28-31
• 3.2.2 諧波小波包分解及其快速算法31-35
• 3.3 基于公共空間模式的腦電數(shù)據(jù)選擇35-36
• 3.4 腦電特征提取36-38
• 3.4.1 基于CSP的特征提取36-37
• 3.4.2 Hjorth參數(shù)37
• 3.4.3 頻帶能量37-38
• 3.5 基于主成分分析的特征選擇38-41
• 3.5.1 主成分分析簡(jiǎn)介38
• 3.5.2 主成分分析算法研究38-41
• 3.6 本章小結(jié)41-42
• 第4章 基于知識(shí)累積的腦電信號(hào)分類(lèi)研究42-50
• 4.1 多尺度腦電信號(hào)分割42-44
• 4.2 基于群體智慧的模型訓(xùn)練方法研究44
• 4.3 基于線性判決的腦電信號(hào)分類(lèi)44-47
• 4.3.1 Fisher線性分類(lèi)算法44-46
• 4.3.2 基于知識(shí)累積的線性分類(lèi)算法研究46-47
• 4.4 基于支持向量機(jī)的腦電信號(hào)分類(lèi)47-49
• 4.4.1 支持向量機(jī)分類(lèi)算法47-48
• 4.4.2 基于知識(shí)累積的SVM算法48-49
• 4.5 本章小結(jié)49-50
• 第5章 實(shí)驗(yàn)及結(jié)果分析50-60
• 5.1 實(shí)驗(yàn)數(shù)據(jù)集簡(jiǎn)介50-52
• 5.1.1 第二屆國(guó)際腦-機(jī)接口競(jìng)賽數(shù)據(jù)集III50
• 5.1.2 第四屆國(guó)際腦-機(jī)接口競(jìng)賽數(shù)據(jù)集IIB50-52
• 5.2 分類(lèi)系統(tǒng)整體結(jié)構(gòu)說(shuō)明52
• 5.3 基于Fisher準(zhǔn)則的線性分類(lèi)實(shí)驗(yàn)結(jié)果分析52-55
• 5.4 基于知識(shí)累積的SVM算法實(shí)驗(yàn)結(jié)果分析55-57
• 5.5 主成分分析及諧波小波包分解層數(shù)對(duì)系統(tǒng)性能的影響57-59
• 5.6 本章小結(jié)59-60
• 總結(jié)與展望60-62
• 1 總結(jié)60
• 2 展望60-62
• 參考文獻(xiàn)62-67
• 攻讀碩士學(xué)位期間發(fā)表的論文67-69
• 致謝69

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 徐寶國(guó);宋愛(ài)國(guó);費(fèi)樹(shù)岷;;在線腦機(jī)接口中腦電信號(hào)的特征提取與分類(lèi)方法[J];電子學(xué)報(bào);2011年05期

2 何慶華,彭承琳,吳寶明,王禾;基于視覺(jué)誘發(fā)電位的腦機(jī)接口實(shí)驗(yàn)研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2004年01期

3 裴曉梅,和衛(wèi)星,鄭崇勛;基于腦電復(fù)雜度的意識(shí)任務(wù)的特征提取與分類(lèi)[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2005年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 崔冬;多通道腦電信號(hào)建模及同步分析[D];燕山大學(xué);2011年

，

本文編號(hào)：521409