运动想象脑电信号的分析研究

发布时间：2017-06-27 01:04

  本文关键词：运动想象脑电信号的分析研究，由笔耕文化传播整理发布。

【摘要】：通过脑-机接口技术,人类可以直接使用脑思维来表达想法或操纵设备,而不用具体的动作。基于运动想象脑电信号的脑-机接口是其中的一个重要研究方向,其核心环节--运动想象脑电信号的特征提取与分类便是本文研究的重点。运动想象表示一些仅限于想象的运动,并无具体动作。而在想象这些动作的过程中,特定脑区会发生脑电信号能量增加或减少的变化,根据这些变化,我们就可以判断出想象者的运动意图,以此使用脑-机接口来达到操纵设备或表达想法的目的。本文采用了2005年BCI竞赛的data sets IIIa组中的受试者K3b作为本文研究的实验数据。整个实验流程的组成形式为8秒×90次×4类:8秒代表了一次运动想象的时间;90次是指某种运动想象共进行了90次;4类表示共有四类想象运动。在本数据中这四类是指想象脚部、舌头、左手和右手的运动。为此,本文使用了共空间模式与希尔伯特变换结合的特征提取算法来组织特征,并利用网格搜索和粒子群优化算法来改进支持向量机,用于脑电的分类。并比较了优化后的支持向量机与学习向量量化神经网络分类器的性能。结果表明,在选取适当参数时,支持向量机与学习向量量化神经网络分类器的分类准确率都很高,分别达到了88.33%与90.213%。最后,选取不同脑区的数据进行对比,证实了选用全脑区数据时,分类效果最佳,而C3、C4、Cz、CP6这四个脑区对应了实验中的想象运动的四个部位,只利用这四通道的数据也可得到较好的分类效果,为系统的在线应用打下了基础。
【关键词】：运动想象脑电 共空间模式 希尔伯特变换 支持向量机 学习向量量化神经网络 粒子群优化
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R318;TN911.6
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-18
• 1.1 课题研究背景及意义11-12
• 1.2 脑-机技术研究意义与挑战12-15
• 1.2.1 脑-机接口概述12
• 1.2.2 脑-机接口的结构组成12-13
• 1.2.3 脑-机接口研究的意义13-14
• 1.2.4 脑-机接口面临的挑战与困难14-15
• 1.3 本文的研究目的及主要工作15-16
• 1.3.1 研究的目的15-16
• 1.3.2 主要研究内容16
• 1.4 论文安排16-18
• 第二章 运动想象脑电的研究基础18-26
• 2.1 脑电信号特点与分析技术18-22
• 2.1.1 脑电信号概述18-20
• 2.1.2 脑电信号特点20
• 2.1.3 脑电分析方法20-22
• 2.2 运动想象脑电信号的研究基础22-24
• 2.2.1 运动想象的发展及意义22-23
• 2.2.2 运动想象的ERD/ERS23-24
• 2.3 本章小结24-26
• 第三章 数据处理流程26-34
• 3.1 实验介绍26-27
• 3.2 数据预处理27-29
• 3.2.1 脑电信号中的噪声和干扰源27-28
• 3.2.2 伪迹去除28-29
• 3.2.3 预处理29
• 3.3 特征提取29-30
• 3.3.1 共空间模式29-30
• 3.3.2 希尔伯特变换30
• 3.4 分类器选择30-33
• 3.4.1 学习向量量化神经网络30-32
• 3.4.2 支持向量机32-33
• 3.5 本章小结33-34
• 第四章 算法描述34-50
• 4.1 数据预处理34-35
• 4.1.1 滤波器的选择34
• 4.1.4 实验用滤波器的实现34-35
• 4.2 特征提取算法35-39
• 4.2.1 共空间模式（CSP）35-36
• 4.2.2 Hilbert变换36-39
• 4.3 分类算法39-49
• 4.3.1 学习向量量化（LVQ，Learning Vector Quantization）神经网络39-41
• 4.3.2 支持向量机（SVM， Support Vector Machine）41-45
• 4.3.3 网格搜索法（GSA，， Grid Search Algorithms）45-46
• 4.3.4 粒子群优化（PSO，Particle Swarm Optimization）算法46-47
• 4.3.5 归一化47-49
• 4.4 本章小结49-50
• 第五章 实验结果分析与讨论50-64
• 5.1 数据预处理50-52
• 5.2 特征提取52-53
• 5.2.1 CSP空间滤波52
• 5.2.2 希尔伯特变换52-53
• 5.3 运动想象识别53-62
• 5.3.1 SVM算法53-58
• 5.3.2 LVQ算法58-60
• 5.3.3 分类结果及讨论60-62
• 5.4 本章小结62-64
• 第六章 总结与展望64-66
• 6.1 本文的主要贡献64
• 6.2 进一步研究工作64-66
• 参考文献66-69
• 致谢69-70
• 攻读学位期间发表的学术论文70

【参考文献】

中国期刊全文数据库 前5条

1 王健峰;张磊;陈国兴;何学文;;基于改进的网格搜索法的SVM参数优化[J];应用科技;2012年03期

2 陆蓉蓉;吴毅;;脑机接口技术在康复中的应用[J];中华物理医学与康复杂志;2009年10期

3 徐宝国;宋爱国;;单次运动想象脑电的特征提取和分类[J];东南大学学报(自然科学版);2007年04期

4 何庆华;吴宝明;彭承琳;王禾;钟渝;;基于小波和神经网络的视觉诱发电位识别方法[J];仪器仪表学报;2007年06期

5 王路;张蕾;周彦军;曾晓云;孔俊;;基于LVQ神经网络的植物种类识别[J];吉林大学学报(理学版);2007年03期

  本文关键词：运动想象脑电信号的分析研究，由笔耕文化传播整理发布。

本文编号：488079