BCI中的运动想象脑电信号处理方法研究

发布时间：2017-06-14 01:00

  本文关键词：BCI中的运动想象脑电信号处理方法研究，由笔耕文化传播整理发布。

【摘要】：脑-机接口(Brain Computer Interface,BCI)是指绕过传统的人体肌肉组织和外周神经等途径建立一个人脑与外部设备直接进行信息交流与控制的新型通道的系统,是一种基于脑电信号(Electroencephalogram,EEG)的人机交互方式。基于运动想象脑电信号的BCI系统就是将想象不同肢体运动所产生的脑电信号作为输入信号,通过分析处理进行判断生成相应的控制命令操控外部设备。本文针对运动想象脑电信号的特点,研究分析了两类运动想象脑电信号的消噪、特征提取与优化及特征分类等处理过程。本文的工作内容及创新点如下:(1)为了滤除脑电信号中的干扰噪声,提出了一种将集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)与改进小波阈值法相结合的脑电消噪方法。改进小波阈值法是在传统小波阈值的基础上采用了新的阈值选取规则和阈值函数。首先将EEG进行EEMD分解,由于分解后噪声大多分布在前几个高频分量中,所以接下来只选取前几个高频分量进行改进小波阈值处理,最后将处理后的分量与未处理的低频分量进行重构得到消噪后的信号。该消噪算法可以很好地消除脑电信号中的噪声并保留大部分有用信息,为后续处理奠定了很好的基础。(2)运动想象脑电信号具有时频空三域信息。针对单一的特征提取方法无法提取出能全面反映信号特点的特征的不足,本文选用能提取频域信息的经验模态分解(Empirical Mode Decomposition,EMD)和小波包分解分别与可提取空域信息的共空间模式(Common Spatial Pattern,CSP)相结合进行特征提取。两种结合的方法都能很好地提取EEG的多域特征,有利于后续的分类识别。(3)考虑到不同个体产生的运动想象脑电信号具有差异性,针对多通道EEG数据提出了通过计算不同通道两类想象任务的平均能量差来进行通道选择。该方法在保证了有用数据尽可能多地被处理的同时上减少了需要处理的通道数,提高了效率。另外,鉴于提取的特征可能对分类的作用不大甚至有的还有干扰,提出了基于决策树的特征选择方法。通过决策树的构建可以找出对分类重要性高的特征,从而同时提高了分类效果和分类效率。(4)采用以径向基核函数建模的支持向量机(Support Vector Machine,SVM)作为分类器进行分类,分别采用交叉验证(Cross Validation,CV)算法和遗传算法(Genetic Algorithm,GA)对惩罚因子C和核参数?进行寻优,优化SVM性能。通过实验仿真表明这两种方法改进SVM都可得到不错的分类效果。将两者对比可发现前者的分类效果更好,而后者的分类效率更高。(5)分别选用了模拟脑电数据、2003年BCI竞赛的数据集Ⅲ和2008年BCI竞赛的数据集Ⅰ作为仿真数据进行实验。实验结果可证明本文研究的算法有效,并在一定程度上还对比了不同特征提取和分类算法的优劣。
【关键词】：脑-机接口 运动想象 集合经验模态分解 小波阈值 决策树 支持向量机
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R318;TN911.7
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第1章 绪论12-18
• 1.1 BCI技术概述12-13
• 1.1.1 脑-机接口的基本组成12-13
• 1.1.2 脑-机接口的分类13
• 1.2 脑-机接口的研究意义13-15
• 1.3 国内外研究现状和发展15-16
• 1.4 本文主要工作内容及组织结构16-18
• 第2章 运动想象脑电信号18-24
• 2.1 脑电信号的基本理论18-20
• 2.1.1 大脑的结构和功能18
• 2.1.2 脑电信号产生的机制18-19
• 2.1.3 脑电信号的分类19
• 2.1.4 脑电信号的特点19-20
• 2.2 脑电信号的采集20-21
• 2.3 运动想象脑电信号的特点21
• 2.4 实验数据21-22
• 2.4.1 运动想象脑电数据集一21-22
• 2.4.2 运动想象脑电数据集二22
• 2.5 本章小结22-24
• 第3章 运动想象脑电信号的消噪24-40
• 3.1 小波分析法24-28
• 3.1.1 模极大值消噪24-25
• 3.1.2 空域相关性消噪25-26
• 3.1.3 小波阈值消噪26-28
• 3.2 经验模态分解28-30
• 3.2.1 固有模态函数28
• 3.2.2 经验模态分解28-30
• 3.2.3 集合经验模态分解30
• 3.3 基于EEMD和改进小波阈值的消噪方法30-32
• 3.3.1 改进小波阈值算法30-31
• 3.3.3 基于EEMD和改进小波阈值法的消噪方法31-32
• 3.4 实验仿真32-39
• 3.4.1 标准信号加噪仿真实验32-35
• 3.4.2 运动想象EEG消噪实验35-39
• 3.5 本章小结39-40
• 第4章 运动想象脑电信号的特征提取及其优化40-53
• 4.1 小波包分解40-42
• 4.2 希尔伯特-黄变换42-48
• 4.3 共空间模式48-50
• 4.4 特征提取的优化50-52
• 4.4.1 通道的选择50-51
• 4.4.2 基于决策树的特征选择51-52
• 4.5 本章小结52-53
• 第5章 运动想象脑电信号的分类53-62
• 5.1 常用的脑电分类方法53-55
• 5.1.1 线性判别分析53-54
• 5.1.2 神经网络分类器54-55
• 5.1.3 支持向量机分类器55
• 5.2 支持向量机55-61
• 5.2.1 基本原理55-56
• 5.2.2 线性支持向量机56-57
• 5.2.3 非线性支持向量机57-58
• 5.2.4 惩罚因子和核参数的寻优58-61
• 5.3 本章小结61-62
• 第6章 实验结果分析62-71
• 6.1 数据集一结果分析62-67
• 6.1.1 特征提取62-63
• 6.1.2 特征分类63-65
• 6.1.3 分类结果及分析65-67
• 6.2 数据集二结果分析67-70
• 6.2.1 通道选择67
• 6.2.2 特征提取和选择67-68
• 6.2.3 分类结果及分析68-70
• 6.3 本章小结70-71
• 第7章 总结与展望71-73
• 致谢73-74
• 参考文献74-79
• 附录:79

【相似文献】

中国期刊全文数据库 前3条

1 阳宏;夏斌;谢宏;王聪;肖殿云;;一种用于实现多命令输出的运动想象分组策略[J];广西师范大学学报(自然科学版);2011年03期

2 刘燕;穆振东;;运动想象机制研究[J];科技广场;2011年01期

3 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 杨远滨;王芗斌;;浅谈中医意念与运动想象的比较[A];中国医师协会第二届康复医学论坛、中国康复医学会第四届青年学术会议、北京康复医学会第三届会员代表大会论文集[C];2005年

2 贾子善;;运动想像的理论与应用[A];2008年浙江省物理医学与康复学术年会暨中枢神经功能损伤康复新进展学习班论文汇编[C];2008年

3 张爽;周鹏;熊屹;王明时;;运动想象脑电模式的动态分类[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

4 诸强;谢琳;;基于小波分析的运动想象脑电模式特征提取与分类[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

5 孔万增;张艳娜;胡三清;戴国骏;张建海;魏大名;;基于运动想象的中风患者肢体康复实时控制系统[A];第一届全国神经动力学学术会议程序手册 & 论文摘要集[C];2012年

6 徐海鹰;;运动想象疗法结合运动再学习方案在脑卒中早期患者上肢功能的应用[A];中国康复医学会运动疗法分会第十一届全国康复学术大会学术会议论文摘要汇编[C];2011年

7 李泽云;王昭君;林金生;卢攀;;运动想象联合强制性运动疗法治疗脑卒中偏瘫60例临床观察[A];中国康复医学会脑血管病专业委员会换届暨第十五次全国脑血管病康复学术年会、湖南省康复医学会神经康复专业委员会2012学术年会论文集[C];2012年

8 王艳;唐强;白震民;李娟;;头穴丛刺与被动运动和运动想象结合对早期脑卒中患者运动功能的影响[A];中国康复医学会第五届全国康复治疗学术会议论文集[C];2006年

9 刘佳;邓景贵;陶希;宋红;;运动想象疗法对老年卒中偏瘫患者肢体功能恢复的影响研究[A];中国康复医学会脑血管病专业委员会换届暨第十五次全国脑血管病康复学术年会、湖南省康复医学会神经康复专业委员会2012学术年会论文集[C];2012年

10 吴华;顾旭东;时美芳;吴彩虹;朱美红;金妹;杨京辉;;虚拟现实技术结合运动想象疗法对脑卒中患者上肢功能恢复的影响[A];2013浙江省物理医学与康复学学术年会暨第八届浙江省康复医学发展论坛论文集[C];2013年

中国博士学位论文全文数据库 前9条

1 张锐;运动想象脑—机接口的神经机制与识别算法研究[D];电子科技大学;2015年

2 王莉;应用脑功能成像技术研究脑卒中运动想象疗法神经康复机制[D];重庆大学;2015年

3 单海军;基于运动想象的脑机接口通道选择算法研究[D];浙江大学;2015年

4 魏庆国;基于运动想象的脑—机接口分类算法的研究[D];清华大学;2006年

5 徐舫舟;基于运动想象的脑机接口相关算法研究[D];山东大学;2014年

6 闫静;基于脑电的脑卒中患者运动想象认知过程的研究[D];上海交通大学;2012年

7 方永慧;基于运动想象脑电信号非线性特性分析的脑—机接口研究[D];重庆大学;2014年

8 周鹏;基于运动想象的脑机接口的研究[D];天津大学;2007年

9 孙莉敏;运动想象训练促进脑卒中患者功能恢复的功能磁共振（fMRI）研究[D];复旦大学;2013年

中国硕士学位论文全文数据库 前10条

1 牛小辰;康复运动中的脑肌电特征分析[D];燕山大学;2015年

2 谢立娟;针灸合并运动想象疗法在脑卒中偏瘫患者康复护理中的应用[D];河北医科大学;2015年

3 孙会文;基于运动想象脑电的脑机交互模式识别方法研究[D];昆明理工大学;2015年

4 康莎莎;多类运动想象脑电信号的识别及其在BCI中的应用[D];安徽大学;2016年

5 何青松;基于想象左右手运动思维脑电识别分类研究[D];北京交通大学;2016年

6 刘传伟;运动想象脑电的特征提取和模式分类算法研究及在线验证[D];昆明理工大学;2016年

7 王超;基于OpenVIBE的高性能运动想象在线脑—机接口系统研究[D];华南理工大学;2016年

8 马秀秀;基于运动想象的异步脑—机接口算法研究[D];哈尔滨工业大学;2016年

9 张琪涵;运动执行与运动想象大脑激活模式的比较[D];天津师范大学;2016年

10 张欣;基于稳态子空间分析的运动想象脑电信号研究[D];南京邮电大学;2016年

  本文关键词：BCI中的运动想象脑电信号处理方法研究，由笔耕文化传播整理发布。

，

本文编号：448016