四类运动想象脑电信号特征分析与提取

《四类运动想象脑电信号特征分析与提取》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、四类运动想象脑电信号特征分析与提取白小平2015年1月中图分类号：TN911.7UDC分类号：621.39四类运动想象脑电信号特征分析与提取作者姓名白小平学院名称自动化学院指导教师王向周教授答辩委员会主席王向周教授申请学位工学硕士学科专业控制科学与工程学位授予单位北京理工大学论文答辩日期2015年1月FeatureAnalysisandExtractionoftheFour-classMotorImageryEEGCandidateName：XiaopingBaiSchoolorDepartmen

2、t:SchoolofAutomationFacultyMentor:Prof.XiangzhouWangChair,ThesisCommittee:Prof.XiangzhouWangDegreeApplied:MasterofEngineeringMajor:ControlScienceandEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence:January，2015研究成果声明本人郑重声明：所提交的学位论文是我本人在

3、指导教师的指导下进行的研究工作获得的研究成果。尽我所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大学或其它教育机构的学位或证书所使用过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名：日期：北京理工大学硕士学位论文摘要脑-机接口（BrainComputerInterface，BCI）是在大脑和计算机或电子设备之间建立的一种不依赖于常规大脑输出通道(外围神经和肌肉组织)的直接

4、信息交流和控制通道，它能为瘫痪病人，特别是那些思维正常但是丧失了基本肢体运动功能的患者提供一种与外界进行交流新途径。针对运动想象信号的同步与去同步特征分析与提取，论文采用08年脑-机接口大赛数据，研究了脑电信号的预处理、特征提取和分类，并设计了基于四类运动想象的实时BCI系统。主要研究工作如下：（1）针对脑电信号中掺杂着多类伪迹信号（眼电、心电干扰等）的现象，本文设计了基于独立成分分析的滤波器，成功的滤除了眼电干扰，提高了脑电信号的信噪比，增强了脑电信号的频域特征。（2）对传统的频域分析法、时频分

5、析法（短时傅里叶变换和小波变换）、共空域模式法（CommonSpatialPattern，CSP）三大类特征提取方法的研究结果表明：共空域模式法对多通道、多类别脑电信号的特征提取效果优于另两类方法。在此基础上将具有良好时频特性的小波变换与CSP相结合，提出了一种频域CSP方法——Wavelet-CSP，结果表明其分类结果明显好于CSP。（3）结合传统的OVO-SVM(One-versus-oneSupportVectorMachine)、OVR-SVM(One-versus-the-restSup

6、portVectorMachine)、DAG-SVM(DAGSupportVectorMachine)三种多分类器结构中各自的优缺点，本文设计了全新的四分类器，所用的分类器数目更少、出现错分的概率更小，分类结果与传统的三类方法相比较表明，所设计的四分类器分类结果更好。（4）基于对运动想象脑电信号特征提取与分类的研究，本课题在LabVIEW平台上设计了实时的BCI实验系统。脑电信号的采集系统由加拿大ThoughtTechnology公司所研发，基于该设备能够对受试者头皮运动想象区域的10个通道数据进

7、行实时采集与存储。并且该系统能对脑电信号实时的特征提取和分类。关键词：脑-机接口系统；运动想象同步与去同步；独立成分分析；共空域模式算法；支持向量机I北京理工大学硕士学位论文AbstractThebrain-computerinterface(BCI)isanon-muscularcommunicationchannelforexchangingmessagesandcommandsbetweenthehumanbrainandcomputer.Totheparalyzedpatients,esp

8、eciallythosehavenormalthinkingbutlostofthebasicbodymovement,itprovidesanewwaytocommunicatewiththeoutsideworld.Fortheanalysisandextractionofthesynchronizationanddesynchronizationphenomenoninmotorimagerysignals,themethodsofthepreprocessing,featu