基于ovr-csp和互相关的运动想象脑机接口研究

《基于ovr-csp和互相关的运动想象脑机接口研究》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、国齡械你峡專硕±学位论文胃目Ｂ３基于ＯＶＲ－ＣＳＰ和互相关的运动想象脑机接口研巧作者姓名康嘉辉指导教师姓名、职称赵恒副教授申请学位类别工学硕±，．西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研奔工作及取得的研究成果。尽我所知，除了文中特别加标注和致谢Ｊｌ中所罗列的内容，（＾外论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使

2、用过的材料一。与我同王作的同事对本研究所做的任何贡献巧已在论文中作了明确的说明并表示了谢意。一学位论文若有不实之处，本人承担切法律责任。）Ｘ，２ｌ本人签名：；本日期＇西安电子科技大学关于论文使用授权的说明目Ｊ；本人完全了解西安电子科技大学有关保留和使用学位论文的规定，［研巧生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文的复印件，允许查阅、借阅论义；学校可公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，结合学位论文研究成果完成的

3、论。文、发明专利等成果，署名单位为西安电子科技大学保密的学位论文在＿＿年解密后适用本授权书。屯诚本人签名；＊导师签名：人＾么２日期：日期；如父，ｊ心三ｊ学校代码10701学号1302120905分类号TP391密级公开西安电子科技大学硕士学位论文基于OVR-CSP和互相关的运动想象脑机接口研究作者姓名：康嘉辉一级学科：电子科学与技术二级学科：电路与系统学位类别：工学硕士指导教师姓名、职称：赵恒副教授学院：电子工程学院提交日期：2015年11月ResearchonMotorImageryBrain

4、-ComputerInterfaceBasedonOVR-CSPandCross-CorrelationAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinCircuitsandSystemsByKangJiaHuiSupervisor:ZhaoHengAssociateProfessorNovember2015摘要摘要脑机接口（Brain-ComputerInterface，BCI）是一种不依赖于大

5、脑外周神经与肌肉组成的正常输出通路的通讯控制系统。经过几十年的发展，BCI已经不仅仅用于辅助残疾人士与外界的交流，还应用到了医疗康复、环境控制和娱乐等领域。总之，提高残疾人士的生活质量一直是研究BCI不变的初衷。而运动想象（MotorImagery，MI）脑电信号是完全可以不借助于外部设备而产生的自发脑电信号，因此运动想象脑电信号被认为是最适合用于脑机接口的脑电信号。本文在经典的四类运动想象脑电特征提取方法“一对其他”共空间模式（One-Versus-RestCommonSpatialPattern，OVR-CSP）的基础上，提出了

6、一种OVR-CSP的改进算法。基于OVR-CSP的特征是由信号的方差构造而得到的，反映的是大脑相应区域的能量变化。然而，该类特征并不包含大脑不同区域之间的协同合作和信息交流方面的信息，并且这些信息有利于正确分类。而通过同步性分析方法能够快速获取这类信息，互相关函数（Cross-Correlation）是分析同步性的一个有效方法。因此，本文将基于OVR-CSP的特征与通过互相关函数提取的特征进行融合得到最终的分类特征。那么，该特征包含的信息就是运动想象相关区域的能量变化和该区域相关导联的同步性信息。该算法在第二届国际BCI竞赛的公共数

7、据集上的实验结果显示，对本文提出的特征提取算法得到的特征进行分类，得到的Kappa平均值是最高的，达到了0.59，同时其方差是最小的，大小为0.031。这表明，本文提出的特征提取算法具有较好的分类效果，并且具有较强的个体差异适应能力。在此基础之上，又进一步讨论了加窗对算法性能的影响。针对现有脑机接口的体积大、操作繁琐和应用场合受到极大的限制的缺点，本文采用便携式脑电采集设备EmotivEPOC+进行运动想象脑电信号的采集，将本文改进的脑电信号处理算法用于四类想象运动的分类任务，在便携式脑电采集设备EmotivEPOC+上构建了基于O

8、VR-CSP和互相关的运动想象脑机接口。该脑机接口是一个基于运动想象脑电的多任务控制平台，其中对外界设备的控制是通过图片的选择进行模拟。图片的选择是通过分类器识别出的不同的想象运动进行的，图片的上下左右运动分别对应想象左手、想象右手、