面向运动想象的脑电信号特征选择与特征提取算法研究.pdf

《面向运动想象的脑电信号特征选择与特征提取算法研究.pdf》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、面向运动想象的脑电信号特征选择与特征提取算法研究2012唐肖芳硕士信号与信息处理周金治副教授ClassifiedIndex:TN911.7U.D.C:621.39SouthwestUniversityofScienceandTechnologyMasterDegreeThesisResearchonEEGFeatureSelectionandFeatureExtractionAlgorithmBasedonMotorImageryGrade:2012Candidate:TangXiaofangAca

2、demicDegreeAppliedfor:MasterSpeciality:SignalandInformationProcessingSupervisor:ZhouJinzhi，AssociateprofessorMay25,2015本人声明所呈交的论文是我个人在导师指导下进行的研宄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己经发表或撰写过的研宂成果，也+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丨1j过的材料。与我一同丄作的同志对木研究所做

3、的任何贡献均己在论文中作了明确的说明并表示了谢意。签名：尨择亨?H期：斯夂上.A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、使用学位论文的规定，即：学校有权保留学位论文的复印件，允it•该论文被查阅和m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>…職名:/句盖’>乂曰期••义2(西南科技大学硕士研究生学位论文第I页摘要近十几年来，脑-机接口（BCI）技术的研究在国际上引起了广泛的关注并得到了快速的发展，它直接为

4、大脑与外界环境提供了一种新的信息交流和控制通路。运动想象脑电是它的一个重要分支，具有操作简单、易于设计的优点，但还存在分类识别精度不高、个体差异性无法克服的问题，所以本文以运动想象脑电信号作为研究对象，对脑电信号的分类识别算法进行了深入的研究。对于多导联、多频率的运动想象脑电信号来说，信号的特征提取算法在使用上很大程度依赖于信号频率与导联通道的选择，所以在特征提取前需要对原始脑电信号的特征参数进行选择。本文在传统的采用互信息进行参数选择的基础上，提出了基于相关系数与散度分析的特征选择算法。针对第三届

5、国际BCI竞赛提供的小样本学习运动想象数据集，对三种特征选择算法分别进行自回归（AR）模型谱估计与共空间模型法（CSP）的特征提取，最后进行线性判别分类器（LDA）的分类识别。由仿真结果可知，基于相关系数与散度分析的两种算法均能够很好的选择出最优的频率与导联参数，得到的识别准确率（ACC）与互信息（MI）值均优于互信息的选择算法。文章还提出了将AR与CSP算法得到的特征向量进行组合，仿真结果显示将组合后的特征进行分类识别具有更好的实用性。针对散度分析方法选择出来的频率、导联参数进行AR模型谱估计与C

6、SP空间滤波的特征提取，将二者得到的特征向量组合后经过LDA分类器的分类输出，实验结果显示此种实验方案取得ACC与MI的均值最大，更适合于运动想象脑电信号处理的研究。关键词：运动想象脑电信号特征选择特征提取散度分析共空间模型西南科技大学硕士研究生学位论文第II页AbstractTheresearchofBrain-ComputerInterface(BCI)technologyiswidelyhighlightedanddevelopedrapidlyoverthelastdecade,whichi

7、tprovidesanewwayofinformationexchangeandcontrolaccesstothebrainandexternalenvironment.AsamainbranchofBCI,themotorimageryEEGissimpleinoperationandeasytodesign,butalsohastheproblemofclassificationaccuracyandindividualdifferences.Sothisthesisselectsthemot

8、orimageryastheresearchobjectanddoresearchontheclassificationalgorithmforEEG.FormorechannelandfrequencymovementimagineEEG,itsfeatureextractionalgorithmusinglargelydependsonthefeatureselection.SotheselectionofmainparametersoftheoriginalEE