基于l1-范数的eeg信号鲁棒分类研究

《基于l1-范数的eeg信号鲁棒分类研究》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、密级：公开＾艇索馬大嗦修硕±学位论文基于Ｌ－１范数的ＥＥＧ信号鲁棒分类研究研究生姓名：李巧萌导师姓名：王巧巧电请学份类别工学巧Ｈｒ学位授予单位东巧大学一纺举科条絲生ｉ工ｇ论文答辩日期２０１６年０５月１９日ｌｆｔ巧単二级学科名称学习稱学学位授予日期２０巧月日答雜蚕员会丰席巧阳主任评阅人巧明主任＞洪Ｍ巧＃２０１６年月日？表兩：ｈ聲硕±学位论文Ｌ－基于１范数的ＥＥＧ信号鲁椿分类研究专业名称；生物医学工涅（学习稱学）研巧生姓名：李晚

2、萌导师姓名；王海资－ＮＯＲＭＬＩＢＡＳＥＤＲＯＢＵＳＴＣＬＡＳＳ巧ＩＣＡＴＩＯＮＯＦＥＥＣＳＩＧＮＡＬＳＩＮＢＣＩＳＹＳＴＥＭＡＴｈｅｓｉｓＳｕｂｍｉｔｅｄ化ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＦｏｒｔｈｅＡｃａｄｅｍｉｃＤｅｒｅｅｏｆｇＭａｓｔｅｒｏｆＥｎｇ虹ｅｅｒｉｎｇＢＹＸｉａｏｍｅｎＬｉｇＳｕｐｅｒｖｉｓｅｄｂｙＨａｉｘｉａｎＷａｎｇ民的ｅａｒｃｈＣｅｎｔｅｒｆｏｒＬｅａｒｎｉｎｇＳｃｉｅｎｃｅＳｏｕｔｈｅａｓ

3、ｔＵｎｉｖｅｒｓｉｔｙＭａ２０１６ｙ东南大学学位论文独询性巧明本人声明所呈交的学位论文是我个人在导师指导下进行的研巧工作及取得的研巧成果。尽我所知，除了文中特别加标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育一机构的学位或证书而使用过的材料。与我同工作的同志对本研巧所做的任何贡献均己在论文中作了明确的说明并表示了谢意。＇心从研巧生签名：：＞＿日期东巧大学学位论义使用授巧巧明东南大学、、中国科学技术信息研巧所国家图书馆有权保留本人所送

4、交学位论文的复印件和电子文档、缩印或其他复制手段保存论文。，可１＾采用影印一。本人电子文挡的巧容和纸质论文的内容巧致除在保密期内的保密论文外，允许论文被査阅和借阅（，可Ｗ公布包括Ｗ电子信息形式刊登）论文的全部内容或中、英文摘要等部分内容。论文的公布（包括Ｗ电子信息形式刊登）授权东南大学研巧生院办理。：研巧生签名：导师签名日期＾病要－ｅｅｃｔｏｅｎｃｅｈａｏｒａＥＥＧ）－ｂｒａｉｎｃｏｍｕｔｅｒｉｎｔｅｒｆａｃｅｓ基于脑电（ｌｒｐｌｇｐｈｙ，信号的脑机接口（ｐ，ＢＣＩ－系统在大脑与其他

5、外部设备之间建立了非肌肉的通信和交流通道，脑机接口的出）一种与外部环境交互的新方式现，为无法进行肌肉运动的病人提供了。ＢＣＩ技术的关键在于对不同精神状态下的ＥＥＧ信号进行识别和分类。共同空间模式（ｃｏｍｍｏｎｓｐａｔｉａｌ一ｐａｔｅｒｎｓ，ＣＳＰ）是近些年提出的种应用广泛的特征提取方法，能够捕捉大脑在进行运动想象相关任务时激发的事件相关同步化（ｅｖｅｎｔｒｅｌａｔｅｄｓｙｎｃｈｒｏｎｉｚａｔｉｏｎＥＲＳ）／事件相，ｅｖｅｎｔｒｅｌａｔｅｄｄｅｓｙｎｃｈｒｏｎｉｚａｔｉｏｎＥＲＤ）现象，进而提取具

6、有判别信息的脑电关去同步化（，－范数的散度表达模式。然而，由于ＣＳＰ算法使用Ｌ２，容易受到噪声和奇异值的影响，而单纯地使用Ｕ－范数来代替ＣＳＰ中Ｌ２－范数散布表达的方法无法抑制幅值较小的噪声的影响。此外，ＣＳＰ是基于单个信号动态表现的度量方法，，也无法得到稀疏的滤波向量没有使用两个ＥＥＧ信号间的错合信息。—本文提出了两种鲁棒的改进Ｕ－范数共同空间模式算法基于波形长度正则化的－－ｗＬ１范数共同空间模式（ｗａｖｅｆｏｒｍｌｅｎｇ出ｒｅｇｕｌａｒｉｚｅｄＣＳＰＬｌｌＣＳＰＬｌ）算法和基于稀疏，Ｌ－（ｓｌ

7、－ｎｏｏｍｍｏｎａｔａｔｅｒｎ－度量的１范数共同空间模式ｐａｒｓｅＬｒｍｂａｓｅｄｃｓｐｉａｌｐｓｓＣＳＰＬｌ），ｐ一—，提出了个度量信号间相位同步性的相位特征提取算法符号秩加权的算法；此外ａｗｅｓ－相位延迟（ｈａｓｅｌｉｈｔｅｄｂｙｉｇｎｅｄｒａｎｋ化化），并；种稱合ＥＥＧｐｇｇ，算法使用框架将信号幅值特征与相位特征进行賴合－，Ｗ得到包含更多判别信息的幅值相位賴合特征。为了验证所提出算法的优越性１个模拟数据集和５个公开的运动想象数据，本文使用了集进行实验。实验结果显示：在加入人工噪声前后

8、，ｗｌＣＳＰＬｌ算法都能利用波形长度度量的噪声项有效地约束空间滤波器捜索方向，提离运动想象任务的分类识别率；ｓ－ＣＳＰＬＵ－ｐｌ算法使用范数度Ｓ的滤波向＊稀疏性作为惩罚项，能够得到较为稀疏的空ＳＲ间滤波向量，提高了识别率；ＰＬ算法能有效