学位论文 > 优秀研究生学位论文题录展示

基于想象运动的脑电信号处理算法的研究

作　者: 刘琳
导　师: 魏庆国
学　校: 南昌大学
专　业: 信号与信息处理
关键词: 脑-机接口 AR模型 AAR模型负熵雅克比旋转
分类号: TN911.7
类　型: 硕士论文
年　份: 2009年
下　载: 66次
引　用: 0次
阅　读: 论文下载

内容摘要

人的大脑控制人的行为。当人需要进行某种行为时,在大脑中就会产生一定的思维活动,经过神经传递给相关肌肉组织,由肌肉收缩产生相应的动作,这就是运动的过程。然而,有些患者由于神经组织病变等原因,不能将大脑信号传递给肌肉,因而不能进行相应的动作。所以,为了使这部分人生活更方便,一种新的技术—脑-机接口技术于上世纪就产生了。脑-机接口(brain-computerinterface,BCI)是一种新的通信通道,它可以将人脑的意图转化为对外部设备的控制信号,而不需要通过人的外周神经和肌肉组织。本文针对基于运动想象的BCI信号处理技术进行了研究,研究了受试者在执行两个和多个运动想象任务下的脑电信号的特征提取和分类算法。由于脑电信号的信噪比低,所以BCI面临的主要问题之一是分类识别率低。为了提高BCI的分类识别率,必须研究有效的特征提取和模式分类方法。在两类任务条件下,本文结合空间滤波和自适应自回归模型提取脑电特征,采用Fisher线性判别来进行分类,得到每个采样点的分类正确率;在研究AR模型的基础上,采用空间滤波结合AR模型的方法来提取特征,也得到了好的分类正确率,同时算法简单,计算速度快;盲源分离技术是一种新的、热门的信号处理技术,本文结合AR模型和负熵以及功率谱估计来提取特征,结果表明这是一种可行的脑电特征提取方法;最后,通过雅克比旋转(Jacobi Rotations)来进行近似联合对角化,将二分类CSP算法扩展到三分类中,实验结果证明了此法的有效性。本文所有算法都在MATLAB上进行了仿真验证,并使用不同受试者的实验数据进行了分类实验,结果充分显示了算法的可行性。

全文目录

摘要  3-4
Abstract  4-8
第1章绪论  8-12
  1.1 BCI研究背景  8-9
  1.2 BCI研究意义  9-11
    1.2.1 BCI在医学方面的应用  9-10
    1.2.2 BCI在其他方面的应用  10-11
  1.3 论文的研究目的和研究内容  11-12
第2章 BCI技术概述  12-27
  2.1 BCI系统的基本结构  12-13
  2.2 BCI分类  13-14
  2.3 BCI系统中的主要技术  14-20
    2.3.1 EEG信号的采集及存储  14-15
    2.3.2 EEG的特点  15-16
    2.3.3 BCI研究中采用EEG信号的类型  16-18
    2.3.4 想象运动及ERD/ERS  18-19
    2.3.5 训练  19
    2.3.6 反馈  19-20
  2.4 BCI系统中的信号处理算法  20-24
    2.4.1 BCI常用的特征提取算法  20-21
    2.4.2 BCI常用的分类方法  21-24
  2.5 BCI的研究进展  24-27
第3章结合空间滤波和参数模型的特征提取算法  27-46
  3.1 结合空间滤波和自适应自回归模型的特征提取算法  28-37
    3.1.1 采用本算法的依据  28
    3.1.2 算法的详细介绍  28-37
  3.2 结合空间滤波和AR模型的特征提取算法  37-46
    3.2.1 采用本算法的背景  37
    3.2.2 算法的详细介绍  37-46
第4章基于高阶统计量的脑电特征提取方法  46-52
  4.1 高阶统计量及双谱估计  46-47
  4.2 采用本算法的背景  47-49
  4.3 算法的详细介绍  49-52
    4.3.1 实验数据来源  49-50
    4.3.2 数据预处理及特征提取和分类  50
    4.3.3 分类结果及讨论  50-52
第5章共空间模式(CSP)算法在多任务条件下的扩展  52-61
  5.1 共空间模式(CSP)算法  53
  5.2 方法的介绍  53-54
  5.3 Jacobi算法  54-57
  5.4 计算机仿真实验  57-58
  5.5 多类脑电数据的分类  58-61
第6章总结和展望  61-63
  6.1 全文总结  61-62
  6.2 展望  62-63
致谢  63-64
参考文献  64-69
攻读学位期间的研究成果  69

基于想象运动的脑电信号处理算法的研究

内容摘要

全文目录

相似论文