P300脑电诱发电位的分类识别及在脑机接口中的应用

论文摘要

脑机接口（BCI:Brain-Computer-Interface）是一种把从人脑采集到的电信号转换成控制命令直接传递给计算机或其他机器的装置,其作用是建立一个独立于人体的大脑与电子设备的交流控制通道,可以有效地帮助身体严重残疾的瘫痪人士。脑机接口的研究涉及神经科学,信号检测,信号处理,控制实现等多个领域。P300是一种常见的用于构建脑机接口系统的脑电信号。P300是一种诱发电位,是神经系统接受特定模式下的视觉刺激所产生的特定电活动,发生于特定的时间,在特定的脑头皮区域信号能量分布比较明显,相对比较容易检测,适合于脑机接口应用。采用基于P300信号的脑机接口系统,使用者无需特别的训练就可以达到较好的效果。本文工作是对P300信号的分类识别研究。分别选择费希尔线性判决分析、贝叶斯线性判决分析与支持向量机作为信号分类识别的算法,处理来自瑞士EPFL实验室的P300实验数据及BCIⅢ竞赛的P300数据,并对比分析影响P300分类识别结果的各个因素,如算法的选择、预处理时间窗的设计、导联的选取等等。研究表明采用线性判别分析识别BCIⅢ竞赛的P300数据,识别正确率平均可达90%以上,而整个识别处理时间较支持向量机明显缩短,说明线性判别分析为核心的分类算法适用于基于P300的脑机接口系统。

论文目录

• 摘要
• 英文摘要
• 符号说明
• 第一章 绪论
• 1.1 引言
• 1.2 脑机接口概述
• 1.2.1 脑机接口研究的背景及意义
• 1.2.2 研究历史和国内外现状
• 1.2.3 脑机接口基本原理及结构
• 1.3 选题背景
• 1.4 本文的主要研究工作及内容安排
• 第二章 脑电信号与P300
• 2.1 脑电信号概述
• 2.1.1 脑电信号的采集
• 2.1.2 脑电图
• 2.1.3 脑电图科学记录
• 2.1.4 常用于脑机接口的脑电信号
• 2.2 事件相关电位与P300
• 2.2.1 P300与ODDBALL范式
• 2.2.2 关联负变
• 2.2.3 失匹配负波
• 2.2.4 N400
• 第三章 脑电信号的特征分析及分类算法
• 3.1 EEG信号的特征
• 3.2 EEG信号的特征提取
• 3.3 EEG信号的分类识别及算法
• 3.4 三种特征分类算法
• 3.4.1 费希尔线性判别分析
• 3.4.2 贝叶斯线性判别分析
• 3.4.3 支持向量机
• 第四章 数据处理
• 4.1 数据介绍
• 4.1.1 BCIⅢ P300数据
• 4.1.2 EPFL BCI P300数据
• 4.2 基于LDA的BCIⅢ数据处理
• 4.2.1 预处理
• 4.2.2 LDA算法实现
• 4.2.2.1 FLDA算法流程
• 4.2.2.2 BLDA算法流程
• 4.3 基于SVM的EPFL BCI数据处理
• 4.3.1 预处理
• 4.3.2 导联选取与算法实现
• 第五章 数据处理结果及讨论
• 5.1 P300数据
• 5.2 LDA对BCIⅢ P300数据的识别结果
• 5.2.1 多种导联下的BLDA识别结果
• 5.2.2 多种导联下FLDA识别结果
• 5.3 SVM对EPFL数据的识别结果
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士期间发表的学术论文及项目
• 学位论文评阅及答辩情况表