学位论文 > 优秀研究生学位论文题录展示

P300脑机接口系统的范式设计及其算法研究

作　者: 王冠坤
导　师: 王行愚
学　校: 华东理工大学
专　业: 控制科学与工程
关键词: 脑机接口 P300 贝叶斯线性判别分析支持向量机独立分量分析
分类号: TP334.7
类　型: 硕士论文
年　份: 2012年
下　载: 195次
引　用: 0次
阅　读: 论文下载

内容摘要

脑-机接口(Brain-Computer Interface, BCI)技术不依赖于大脑的外周神经系统与肌肉组织为大脑与外界开辟了一条新的特殊通道。它可以不需要语言或肢体动作而直接通过脑电来完成对外部环境及装置的控制。当前的脑-机接口研究正处于发展阶段,如何快速准确地识别脑电模式,是脑-机接口领域中的一个热点问题。本文展开了基于P300的脑机接口系统的研究。P300是一种小概率诱发电位,常用于构建脑-机接口系统的脑电信号。P300响应是在目标刺激300ms左右出现的一个正向波。基于P300的脑-机接口系统,受试者不需要进行特别的训练就能达到较好的效果。本文工作是对P300实验范式和分类识别的研究。主要做了以下几项工作：(1)选择贝叶斯线性判别分析(BLDA),通过处理离线阶段和在线阶段的实验数据,研究随机激励和非随机激励产生的P300信号的特点,得出P300随机激励诱发产生的P300比非随机激励更明显、易于识别。(2)分别用贝叶斯线性判别分析(BLDA)、线性判别分析(LDA4)与支持向量机(SVM)作为分类识别算法,对离线阶段随机激励产生的P300信号分类结果进行比较。基于BLDA算法的分类精度最优；LDA4算法下也得到比较好的分类精度,相对BLDA的效果次之；SVM下的分类精度相对比较差。且SVM识别所花费比较长的时间,BLDA所花费时间最短,相对于SVM快很多。(3)在脑电信号的消噪上,引进了独立分量分析(ICA)方法,通过Infomax ICA和FastICA两种算法消除脑电信号中的眼电,以期得到噪声较少的脑电信号。利用贝叶斯线性判别分析(BLDA)方法,来判别Infomax ICA和FastICA去噪效果,并且和未去噪的结果进行比较,来验证去噪的有效性。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-15
  1.1 脑机接口概述  9-13
    1.1.1 脑机接口的研究背景和意义  9
    1.1.2 研究历史和国内外现状  9-10
    1.1.3 脑机接口的原理和结构  10-12
    1.1.4 脑机接口的性能评价  12
    1.1.5 现阶段脑机接口面临的挑战  12-13
  1.2 论文结构安排及主要工作  13-15
第2章脑电信号研究中的关键技术  15-25
  2.1 脑电信号的原理与分析  15-19
    2.1.1 脑电信号的特点  15-16
    2.1.2 脑电信号的种类  16-17
    2.1.3 脑电信号的采集方法  17-19
  2.2 脑电信号的处理过程  19-24
    2.2.1 脑电信号的特征提取  20-23
    2.2.2 脑电信号的分类识别  23-24
  2.3 本章小结  24-25
第3章基于随机刺激与非随机刺激诱发的P300的研究  25-39
  3.1 事件相关电位及P300  25-27
    3.1.1 事件相关电位  25-26
    3.1.2 P300脑电信号及其特点  26
    3.1.3 P300的研究现状及存在的主要问题  26-27
  3.2 实验介绍  27-31
    3.2.1 脑电极分布  27
    3.2.2 实验过程  27-31
    3.2.3 数据预处理  31
  3.3 实验结果分析  31-38
    3.3.1 离线阶段分类结果讨论  31-36
    3.3.2 在线阶段分类结果讨论  36-38
  3.4 本章小结  38-39
第4章基于不同分类算法识别结果分析与讨论  39-49
  4.1 脑电信号的分类识别算法  39-44
    4.1.1 线性判别分析  39-40
    4.1.2 费希尔线性判别分析  40-41
    4.1.3 贝叶斯线性判别分析  41-42
    4.1.4 支持向量机  42-44
  4.2 不同分类算法识别结果及讨论  44-48
  4.3 本章小结  48-49
第5章基于独立分量分析的P300电位提取  49-61
  5.1 引言  49
  5.2 独立分量分析的算法  49-54
    5.2.1 ICA的模型  49-51
    5.2.2 Fast ICA算法  51-52
    5.2.3 Infomax ICA算法  52-54
  5.3 ICA去除信号眼电伪迹  54-60
    5.3.1 ICA算法中的特征计算  54-55
    5.3.2 ICA算法处理效果比较  55-58
    5.3.3 ICA处理前后分类效果比较  58-60
  5.4 本章小结  60-61
第6章总结与展望  61-63
  6.1 本文工作总结  61
  6.2 工作展望  61-63
参考文献  63-68
致谢  68-69
攻读硕士期间发表的论文  69

P300脑机接口系统的范式设计及其算法研究

内容摘要

全文目录

相似论文