基于运动过程的视觉感知和脑机接口

基于运动过程的视觉感知和脑机接口

ID:33343054

大小:3.15 MB

页数:47页

时间:2019-02-25

基于运动过程的视觉感知和脑机接口_第1页
基于运动过程的视觉感知和脑机接口_第2页
基于运动过程的视觉感知和脑机接口_第3页
基于运动过程的视觉感知和脑机接口_第4页
基于运动过程的视觉感知和脑机接口_第5页
资源描述:

《基于运动过程的视觉感知和脑机接口》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、河北工业大学硕士学位论文基于运动过程的视觉感知和脑机接口摘要脑机接口是一种不依赖于大脑周围神经与肌肉组织的正常输出通路的通讯控制系统,由于该技术具有巨大的理论研究价值以及实际应用前景,成为近年来生物医学工程领域中研究的热点。本文对基于视觉运动刺激的脑电信号提取的实验方案进行了设计,对采集得到的脑电数据分别提取能量特征以及复杂度特征并进行了分类研究。主要内容如下:1.设计了基于视觉运动刺激的脑电信号采集实验方案。详细的阐述了脑电信号产生原理、脑电信号的特点,根据脑电信号记录仪器的功能及特点,设计了提取视觉运动刺激时脑电信号的实验

2、方案,得到了四种不同视觉运动刺激下的脑电数据,为后续的离线分析处理提供了数据基础。2.进行了以脑电信号的功率谱估计及非线性复杂度为特征的研究。根据脑电信号非线性、非平稳的特点,采用AR(Auto-Regressive)模型功率谱估计和样本熵提取了四种视觉运动刺激时脑电信号的特征,并将该特征作为分类依据,进行了分类研究。通过样本熵分析得出视觉运动感知的主要活动脑区在额区、枕区和颞区。3.进行了基于支持向量机的分类研究。支持向量机(SupportVectorMachine,SVM)分类器作为统计学习理论的实现方法,不仅结构简单,而

3、且各种性能尤其是推广能力明显提高,由于它是专门针对小样本情况的,其目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优值。本文以支持向量机作为分类器,进行了分类研究。基于AR模型系数的分类正确率不十分理想,相比较基于样本熵的分类能够获得比较满意的结果。由于数据处理方法的局限性和样本数据(被试者)的有限性,本文仅对基于运动过程的视觉感知脑电信号进行了初步探索,为今后进一步研究运动过程中的脑电信号提供基础。本课题得到河北省自然科学基金资助项目“基于EEG的脑机接口技术研究”(编号:E2006000034)的资助。关键词:

4、视觉运动刺激,脑机接口,样本熵,AR模型,支持向量机i基于运动过程的视觉感知和脑机接口THEVISUALPERCEPTIONANDTHEBRAIN-COMPUTERINTERFACERESEARCHBASEDONMOTIONABSTRACTBraincomputerinterface(BCI)isacommunicationsystemthatdoesnotdependonthebrain’snormaloutputpathwaysofperipheralnervesandmuscles.Thistechnologyhasbe

5、comethehotissueofthebiomedicalengineeringresearchfieldinnowadays,becauseithasgreatvalueintheoryresearchandpracticalapplication.Inthisstudy,theexperimentsindifferentvisualmotionstimulationsweredesigned.ClassificationbasedonpowerspectrumandcomplicityofEEGwasmadebyusin

6、gtheEEGdatagainedfromexperiments.Themainpointsofthispaperare:1.ExperimentstorecordEEGafterfourdifferentvisualmotionstimulationsweredesigned.AfteranalyzingtheprincipleandthecharactersofEEGsignals,theexperimentschemesoffourdifferentvisualmotionstimulationsweredesigned

7、.TheEEGdataswererecordedatthesametimewhenabovestimulationswereprocessed,andthenwereusedinthefollowingoff-lineanalysis.2.Powerspectrumandnon-linearcomplexityofEEGwasextractedinresearch.BecauseEEGsignalsarewiththepropertiesofthenon-stationaryandnon-linear,thepowerspec

8、trumAR(Auto-Regressive)andSampleEntropy(SampEn)methodswereadoptedtoextractthefeaturesofEEGafterfourdifferentvisualmotionstimulationswhichw

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。