基于脑—机接口的脑电信号主成分分析及分类研究

《基于脑—机接口的脑电信号主成分分析及分类研究》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、中国优秀硕士学位论文全文数据库2011年第S1期信息科技辑ChineseMaster'sThesesFull-textDatabase2011,No.S1InformationScienceandTechnologyI136-111-1基于脑—机接口的脑电信号主成分分析及分类研究李蕊学位授予单位:沈阳工业大学;学科专业:信号与信息处理摘要脑-机接口是指一种不依赖于人脑的正常输出通路的脑-机通讯系统,是一种新的人机接口方式。它的实质为通过脑电信号推断人的想法或目的,从而实现人机交流。脑-机接口既是人类

2、了解和提高脑功能的重要手段,又是一种全新的通讯和控制方式,在残疾人康复、正常人辅助控制、娱乐、脑认知等领域有广泛的应用前景。本文的研究重点紧密围绕脑电信号预处理、特征提取、特征选择和分类这三个主要的模式识别环节,以期提高脑-机接口系统的识别精度。脑电信号的预处理是为了去除脑电信号在采集过程中混合的噪音,并突出有效的频率信息。本文对常用的一些空间和频域滤波器算法进行对比研究,并在此基础上提出了多尺度滤波算法。通过对比多尺度滤波算法与常用滤波算法的滤波性能,验证了多尺度滤波算法对脑电信号良好的适应性及有效性。特征提取是指

3、从信号中提取有用信息,形成初始特征,为后续不同脑状态的区分提供基础。本文在分析了主成分分析的基础上,提出多尺度滤波与主成分分析相结合的脑电信号识别方法,以及基于时频分析的脑电信号主成分分析方法。为检验本文算法的有效性,对第2届BCI竞赛的DatasetIa和Graz科技大学提供的脑电数据集进行了分析处理,利用欧式距离和支持向量机作为分类器,以识别精度为指标,对本文研究的模式识别算法进行详细的研究。结果表明本文算法能够取得良好的效果,对脑电信号有更好的适应性,且具有稳定的识别性能。本文研究的模式识别方法应用基于统计学的

4、主成分分析,更适用于处理脑电信号这类非平稳的随机信号,为脑-机接口的实现提供了更好的解决思路。由于实验数据的局限性,研究的模式识别方法的鲁棒性有待进一步验证。关键词：脑-机接口;;脑电信号;;主成分分析;;多尺度滤波;;时频分析中图分类号：TN911.6AbstractBrain-computerinterface(BCI)isacommunicationsystemthatdoesnotdependonthebrain'snormaloutputpathwaysofperpheralnervesa

5、ndmuscles,anditisanalternativeandnovelinterfacebetweenhumanandcomputers.TheessenceofaBCIistodeducehumanthoughtsorintentionsviaelectroencephalogram(EEG)signalandsotorealizethecommunicationbetweenhumanandcomputers.ABCIsystemisnotonlyani