基于运动想象的脑—机接口的算法研究

《基于运动想象的脑—机接口的算法研究》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、基于运动想象的脑-机接口的算法研究王猛计算机科学与技术学院计算机技术徐鲁强教授谭红高级工程师201666ClassifiedIndex:TP319U.D.C:621.3SouthwestUniversityofScienceandTechnologyMasterDegreeThesisBasedonMotorImageryBrain-ComputerInterfaceAlgorithmGrade:2013Candidate:WangMengAcademicDegreeAppliedfor:MasterSpeciality:C

2、omputerTechnologySupervisor:XuLuqiang，AssociateprofessorJun.6,2016独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得西南科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：日期：关于论文使用和授权的说明本人完全了解西南科技大学有关保留、使用学

3、位论文的规定，即：学校有权保留学位论文的复印件，允许该论文被查阅和借阅；学校可以公布该论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。(保密的学位论文在解密后应遵守此规定)签名：导师签名：日期：西南科技大学硕士研究生学位论文第I页摘要随着四届国际脑机接口比赛的展开，脑-机接口（BrainComputerInterface，BCI）技术的研究达到了前所未有的阶段。而在近几年，现实中不断出现的脑-机接口系统也给全人类的生活拉开了一个新的领域。而在BCI技术中，核心问题是脑电信号的处理，快速、准确、有效的信号处理支

4、撑了整个BCI系统的核心。本文即是从脑电信号的处理入手进行实验研究，采用第三届国际脑-机接口数据竞赛（BCICompetitionIII）中的数据集IVa-“小样本学习想象运动脑电数据集”作为实验数据。从设定实验方案出发，给出运动想象脑电信号分类识别的最佳实验方案，并重点对脑电信号（electroencephalogram，EEG）预处理、特征选择、特征提取和模式识别进行研究。在信号预处理过程中，选取Butterworth、ChebyshevI、ChebyshevII、Elliptic四种滤波器进行对比，确定最佳滤波器；在特

5、征选择过程中从基于互信息的特征选择算法上提出相关系数的特征选择算法，并将其跟互信息特征选择算法进行对比试验，选取实验过程中所需参数问题，并对比两种特征选择算法性能的优略；在特征提取过程中对比自回归模型谱估计法（auto-regressive，AR）和共空间模型（CommonSpatialPattern,CSP）特征提取算法；最终使用基于Fisher准则的LDA分类算法和支持向量机（SVM）进行分类识别。最后对各类算法组合进行实验结果分析，选出分类效果最佳的算法组合即Buterworth滤波、相关系数特征选择、CSP特征提取和

6、SVM分类器，并将此组合仿真实验最终得到的识别结果与BCICompetitionIIIIVa中提交的实验结果进行对比，确认了本文实验中所得结果在对比排名中仅次于比赛中第一名的实验结果，从而确定论文中所选取的算法组合准确有效，适用于运动想象脑电信号的研究工作。关键词：脑-机接口运动想象特征提取模式识别支持向量机西南科技大学硕士研究生学位论文第II页AbstractTheresearchofBrain-computerInterfacereachedanunprecedentedstage,owingtotheinfluence

7、ofthefourInternationalBrain-computerInterfaceCompetitions.Inrecentyears,theBrain-computerInterfacesystemscontinuouslyappearedinrealitywhichhasshownafrontierforhumanlife.InBCItechnology,thesignalprocessingofEEGisthecoreproblem.WhilethecoreoftheentireBCIsystemissuppo

8、rtedbyfast,accurate,andefficientsignalprocessing.Tocarryontheexperimentalstudy,thisthesisstartswithEEGsignal-processing,whichemploysthedataset,IV