多变量脑电信号分析及其在BCI中的应用研究-控制工程专业论文.docxVIP

多变量脑电信号分析及其在BCI中的应用研究-控制工程专业论文.docx

  1. 1、本文档共67页,可阅读全部内容。
  2. 2、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。
  3. 3、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
  4. 4、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)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、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
  7. 7、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。
  8. 8、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
多变量脑电信号分析及其在BCI中的应用研究-控制工程专业论文

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master The Research of Multivariate EEG Signal Analysis and its Application in BCI Candidate: Han Xiao Supervisor: Associate Prof. She Qingshan March, 2016 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明: 所呈交的学位论文,是本人在导师的指导下,独立进行研 究工作所取得的成果。除文中已经注明引用的内容外,本论文不含任何其他个人 或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集 体,均已在文中以明确方式标明。 申请学位论文与资料若有不实之处,本人承担一切相关责任。 论文作者签名: 日期: 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定,即:研 究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证 毕业离校后,发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。 学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全 部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。(必威体育官网网址论文 在解密后遵守此规定) 论文作者签名: 日期: 年 月 日 指导教师签名: 日期: 年 月 日 杭州电 杭州电子科技大学硕士学位论文 摘 要 脑-机接口技术直接从人体的思维源头——大脑出发,建立起连接大脑和计 算机或其他设备间的“交流桥梁”,颠覆了原有的依赖外周神经和肌肉组织的沟通 方式。由于该技术在医学、娱乐、智能生活等多个领域具有广泛的应用前景,所 以成为脑科学研究的热点之一。 本文以多变量运动想象脑电信号为研究对象,对预处理、特征提取、模式分 类等信号处理过程进行研究,并应用于电动假肢的脑电控制。本文主要完成的研 究工作以及取得的成果,如下: (1)预处理:为了减少噪声信号的干扰,本文采用了两种预处理方法:巴 特沃斯滤波器和自适应小波阈值消噪法。分别在 2008 年公开竞赛数据集上进行 实验,结果说明前者可以获取与运动想象节律信号相关的频段信息,后者可以有 效地降低噪声干扰以提高信噪比。 (2)特征提取:针对选取 IMFs 分量依赖于经验的问题,本文提出一种基 于噪声辅助多变量经验模式分解(NA-MEMD)和互信息的有用 IMF 识别方法,用 于脑电特征提取。首先,使用 NA-MEMD 算法对多通道信号进行分解得到多尺 度 IMF 分量。然后,采用互信息法分别计算各尺度上信号与其 IMF 分量、噪声 与其 IMF 分量、信号 IMF 分量与噪声 IMF 分量之间的相关性,计算相应的敏感 因子以筛选出包含有用信息的 IMF 分量,将它们叠加起来得到各通道重构信号, 采用共同空间模式算法提取重构信号的特征。该算法自适应选取了与脑电信号相 关的有用信息,提高了特征区分度。通过与其他选取方法对比,该算法有效性得 到验证。 (3)模式分类:针对传统的高斯过程采用共轭梯度法确定超参数时对初值 有较强依赖性且易陷入局部最优的问题,本文提出了一种基于人工蜂群优化的高 斯过程分类方法,用于脑电信号的模式识别。首先,构建高斯过程模型,选择合 适的核函数且确定待优化的参数。然后,选取识别错误率的倒数为适应度函数, 使用人工蜂群算法有哪些信誉好的足球投注网站寻找出限定范围内可以取得最优准确率的超参数。最后, 采用参数优化后的高斯过程分类器对样本分类,并通过实验证明本文算法的有效 性。 (4)多变量运动想象脑电在电动假肢控制上的探究:首先介绍了实验背景, 接着设计了总体控制方案,然后设计了实验范式并对脑电信号进行采集。随后采 I 用自适应小波阈值消噪法对脑电信号进行预处理,使用 NA-MEMD 和互信息方 法提取脑电信号的特征,运用基于人工蜂群优化的高斯过程分类器对脑电特征进 行分类。最后将分类结果映射成对应的控制命令,驱动电动假肢完成握拳和展拳 动作。 关键词:脑-机接口,运动想象,噪声辅助多变量经验模式分解,互信息,高斯 过程分类,人工蜂群 II ABSTRACT Brain-computer interface technology directly starts from the source of the human mind–the brain, and establishes a bridge between the brain and computers or other devices. The technology sub

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