脑-机接口信号中靶标的贝叶斯搜索

脑-机接口信号中靶标的贝叶斯搜索

ID:37121541

大小:428.06 KB

页数:42页

时间:2019-05-18

脑-机接口信号中靶标的贝叶斯搜索_第1页
脑-机接口信号中靶标的贝叶斯搜索_第2页
脑-机接口信号中靶标的贝叶斯搜索_第3页
脑-机接口信号中靶标的贝叶斯搜索_第4页
脑-机接口信号中靶标的贝叶斯搜索_第5页
资源描述:

《脑-机接口信号中靶标的贝叶斯搜索》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、中南民族大学硕士学位论文摘要人类的各种意识活动能通过脑电得到反映,脑-机接口(BCI)通过对脑电的分析解读出用户的意图,并实现对外部设备的直接控制。脑机接口在认知科学、康复医学等方面都有着极其重要的意义。本文探讨利用“模拟自然阅读”模式下产生的诱发事件相关电位(ERP)来构建脑控虚拟键盘的可行性。脑控虚拟键盘上每个按钮下面都有一个刺激小视窗,不同按钮中靶标出现的时刻不同,受试者不同的选择对应于不同的视觉刺激靶标位置。从连续记录的脑电信号中搜索出靶信号(ERP)出现的位置就能探测受试者的选择。本文主要研究了视觉刺激诱发脑电信号中,靶与非靶对应的脑电信号的特征提取和分类。其中特

2、征提取采用了小波变换,提取了小波分析后第6层的数据作为特征向量,能够有效增强信号的特征成分,同时降低特征维数。靶与非靶对应脑电信号的分类使用了正态分布最小错误率的贝叶斯分类器,并从不同受试者、通道、时程等多个方面对判别效果进行了分析。结果表明:能得到最佳分类精度的通道处于大脑中具有认识客观事物功能的枕颞部位,时间窗口在100ms~450ms范围内,这段时间的信号包含了对分类最有效的N2-P3特征成分。利用优化后的分类参数对5个受试者的EEG信号中靶标进行搜索,最高正确率能达到85%,平均正确识别率最高能达到75.50%(随机选择正确概率为10%),最低的平均正确识别率仅有1

3、6.04%。上述研究为进一步理解脑电信号的特点,设计出更好的分类器打下了基础。关键词:脑-机接口,诱发电位,特征提取,贝叶斯,靶标搜索I脑-机接口信号中靶标的贝叶斯搜索AbstractElectroencephalogram(EEG)signalsreflectthecognitionprocessesofhuman.Braincomputerinterface(BCI)interpretstheuser'sintentthroughtheanalysisofEEGsignals,andthenachievedirectcontrolofexternalequipment.

4、BCIisextremelyimportantoncognitivescienceandrehabilitationtherapy.Theresearchinthisarticlerealizedthebrain-controlvirtualkeyboard,whichmakeuseof‘simulatednaturalreading’toevokeevent-relatedpotentials(ERP).Inbrain-controlvirtualkeyboard,eachbuttonhasasmallwindowbelow,inwhichtargetwillmoveth

5、roughsmoothly.Whenthetargetappeared,virtualevokedpotential(VEP)willbegeneratedinthesubject’sEEG.Indifferentwindows,thetargetswillmovedthroughondifferenttimes,andtheselectionsofsubjectscorrespondtodifferentvisualstimulitargetlocations.FromcontinuousEEGrecords,it’spossibletodetectthechoiceof

6、subjectsviatheVEP.Thispaperstudiedthefeatureextractionandclassificationoftargetsandnon-targetsfromvisualevokedEEGsignals.Thefeatureextractionusedwavelettransform,whichcaneffectivelyenhancethesignalcharacteristicsofcomponents,whilereducingthefeaturedimension.Afterthwavelettransform,weextrac

7、tedthe6layersignalsasthefeaturevector.Toclassifythetargetandnon-targetEEGsignals,Bayesianclassifierwithsmallestclassificationerrorratewasapplied.ThediscriminationofBayesianclassifierwasanalyzedondifferentsubjects,channelsandtimewindows.Theresultshowedthat,toge

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。