左右手运动想象的脑电特征提取及分类

论文摘要

近年来,随着电子信息,通信以及计算机科学的快速发展,脑电信号处理所需要的理论和技术也越来越完善,因而脑机接口（Brain.Computer Interface,BCI）的研究开始成为热点。脑机接口不同研究方法中,基于运动想象的脑机接口系统因其简洁,有效,无创,而备受关注。本文所研究的BCI系统便是基于想像运动分类识别脑电信号研究,最终目的是利用人类脑波的自发特性来区分人脑想象的具体任务,从而形成控制命令,以实现计算机和人之间的信息交换,并希望能对具有肢体行动障碍的残疾人进行康复医疗。然而,自发脑电信号非常弱,噪声大,而且是非平稳信号,因此合适的脑电信号分析研究方法是BCI系统的核心内容。本文对脑电信号的获取和处理,研究了以下几个方面的内容:①利用两种新的刺激器识别脑电信号两种刺激器分别为图片刺激器和3D模型刺激器,一方面都是为通过视觉刺激以增大实验者进行运动想象实验时的脑电信号强度;另一方面通过连续运动想象实验以增强ERS/ERD特征。本文通过分析两种刺激器所获取的运动想象实验数据以得出识别率。②信号预处理脑电信号含有较高的噪声,自发脑电信号幅度比普通脑电信号幅度更微弱,因此必须对原始信号进行滤波等预处理,尽可能消除噪声干扰。其中降低眼电伪迹的干扰则是脑电信号预处理中的一个核心过程。本文提出一种新的算法去除眼电伪迹,然后将去掉直流后的脑电信号进行8-23Hz的带通滤波。③特征提取及分类脑电信号是典型的非平稳信号,若从时域或频域上提取脑电特征,在准确性上并不能满足要求。本文提出两种特征提取和分类结合的方法。一方面通过短时傅里叶变换（STFT）提取脑电时频特征,并通过周期图谱估计法估计由短时傅里叶变换后的每段信号功率谱,再分别结合运动想象特有的ERS/ERD特征以及支持向量机分别用于分类以及任务识别;另一方面利用多分辨率离散小波变换提出不同细节下的重构信号,结合运动想象的ERD现象作为特征向量,并用ERS/ERD特征和支持向量机分别分类。

论文目录

• 中文摘要
• 英文摘要
• 1 概述
• 1.1 课题研究背景、目的和意义
• 1.1.1 脑电信号的生物医学特征
• 1.1.2 BCI 系统
• 1.1.3 研究目的和意义
• 1.2 国内外BCI 研究现状
• 1.2.1 国外基于脑电的BCI 研究发展
• 1.2.2 国内基于脑电的BCI 研究发展
• 1.3 本文的研究内容
• 2 运动想象实验
• 2.1 运动想象历史
• 2.2 运动想象实验原理
• 2.3 模拟脑电信号采集系统组成、要求以及装置
• 2.4 系统总体结构及处理流程
• 2.4.1 刺激器
• 2.4.2 电极帽
• 2.4.3 生理信号测量系统
• 2.4.4 脑电信号预处理
• 2.4.5 脑电信号特征提取
• 2.4.6 特征分类识别
• 2.5 两种刺激器的实验任务
• 2.6 本章小结
• 3 脑电信号预处理
• 3.1 实验步骤
• 3.2 刺激器的数据获取
• 3.3 三点定位算法眼电伪迹
• 3.4 信号滤波
• 3.5 总结
• 4 运动想象脑电的特征提取
• 4.1 特征提取介绍
• 4.2 非平稳随机信号的特征提取
• 4.2.1 Gabor 变换
• 4.2.2 短时傅里叶变换及运动想象特征提取
• 4.2.3 小波分析及小波变换
• 4.3 本章小结
• 5 分类
• 5.1 fisher 线性分类器
• 5.2 BP 神经网络
• 5.3 支持向量机（SVM）
• 5.4 ERS/ERD 分类
• 5.5 本章小结
• 6 不同特征提取、分类方法的实验结果
• 6.1 分类结果
• 6.2 结果分析
• 6.3 本章小结
• 7 总结和展望
• 7.1 总结
• 7.2 展望
• 致谢
• 参考文献
• 附录：
• A. 作者在攻读学位期间发表的论文目录
• B. 作者在攻读学位期间取得的科研项目目录