基于多类意识任务识别的电动轮椅脑电控制方法分析-analysis of eeg control method for electric wheelchair based on multi-class conscious task recognition.docxVIP

基于多类意识任务识别的电动轮椅脑电控制方法分析-analysis of eeg control method for electric wheelchair based on multi-class conscious task recognition.docx

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于多类意识任务识别的电动轮椅脑电控制方法分析-analysis of eeg control method for electric wheelchair based on multi-class conscious task recognition

摘 要脑电(Electroencephalogram,EEG)是一种脑神经细胞的生物电活动,反映 了大脑的功能状态,有效提取脑电信号中蕴含的信息,对于临床医学、康复工程、 脑机接口等诸多领域的研究有着重要的意义。要使脑电信号控制的康复辅助装置 能够按照使用者意愿智能化地服务于患者,如何有效提高不同场景下运动想象的 识别率是其中的瓶颈和难点之一,并且已成为康复工程领域中具有挑战性的科学 问题。本文在国家自然科学基金项目的支持下,从课题研究的背景及 意义出发,结合脑电信号的特点,研究分析了运动想象状态下脑电信号的采集与 预处理、特征提取及模式分类等过程,探讨了基于多类意识任务识别的电动轮椅 脑电控制方法。本文主要完成了以下研究工作,并取得了部分创新成果:(1)在脑电信号预处理阶段:提出了一种基于最小相依成分分析的互信息(Mutual Information based on Least dependent Component Analysis,MILCA)算 法的脑电信号伪迹消除方法。针对脑电信号中眼电和心电串扰伪迹,首先用提升 小波硬阈值法对多路原始脑电信号去噪,再运用 MILCA 算法对各通道信号进行 盲源分离,同时采用信号间互相关系数和互信息量作为指标对伪迹分离的效果进 行评价。实验对比分析表明,运用 MILCA 算法能较好地去除脑电信号中的眼电 及心电伪迹,为后续的特征提取创造了良好的条件。(2)在脑电信号特征提取阶段:针对离散小波变换处理信号时存在的频谱混 叠现象和平移不变性差的问题,探讨了实虚二元树滤波器形式双树复小波变换的 原理以及特点,在此基础上提出了基于双树复小波变换能谱熵的脑电信号特征提 取方法。此外,还研究了通过改变单一变量阶次 p 来自动调节时频局部特性的离 散分数阶傅里叶变换,结合 K 近邻互信息估计与熵理论,提出了基于离散分数 阶傅里叶变换互信息熵的脑电信号特征提取方法。(3)在脑电信号模式分类阶段:提出了基于粒子群算法优化支持向量机的脑 电信号模式分类方法,解决了与分类性能相关的最优参数(惩罚因子 C 、核函数 中的参数变量 ??)选取问题,与传统网格划分有哪些信誉好的足球投注网站最优参数的方式相比,算法效 率明显提高。(4)研究了离线状态下脑电控制电动轮椅的稳健方法,给出了基于脑电信号 控制电动轮椅实验平台的总体方案,以及基于单片机的电动轮椅控制器改造等, 设计了脑电信号采集的实验方案,对应轮椅前进、停止、左转和右转四种控制方式,研究了右脚踩油门、左手握轮椅控制杆向后移、左脚单脚跳并双手推轮椅向左移和右手握轮椅控制杆向上移四种动作作为运动想象的模式。实验结果表明, 对于 C3、Cz 和 C4 三个通道的脑电信号,选取基于双树复小波变换能谱熵及频 带复系数能量的 15 维特征和基于离散分数阶傅里叶变换互信息熵的 72 维特征组 成的的联合特征向量,经过归一化和 PCA 降维处理后,采用粒子群算法优化支 持向量机分类器进行分类,对于 3 类和 4 类纯运动场景的想象识别,平均分类正 确率分别达到了 75.57%和 69.68%,其分类结果验证了本文所提出的基于脑电信 号特征提取和模式识别算法的有效性。关键词: 脑电信号,K 近邻互信息,双树复小波变换,分数阶傅里叶变换,粒 子群优化,支持向量机ABSTRACTElectroencephalogram (EEG) is a recording of bioelectricity activity of neural cells on pallium or surface of head which reflects the functional condition of brain. And extracting the information of interest contained in the EEG signals efficiently is of great significance in the research of many fields, such as clinical medicine, rehabilitation engineering and brain-computer interface, etc.To make the rehabilitation auxiliary equipments based on EEG signals in accordance with the users willingness to provide the patients intelligent service, and how to effectively improve the recognition rate of differ

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档