小波变换在脑—机接口技术中视觉诱发电位提取的应用

论文摘要

近年来由于计算机硬件和信号处理技术的飞速发展,已经使得人们利用脑电信号与计算机之间进行通讯成为可能。人们现在可以利用一种全新的通讯技术（即脑—机接口技术）与外界进行交流。但是脑-机接口系统仍然存在通讯速度较低问题,目前系统的通讯速度只有60比特/分钟,还不能满足大脑与计算机之间的快速信号传递,其中脑电信号处理方法是影响脑—机接口系统通讯速度的重要因素之一。诱发电位中的P300响应是在目标刺激出现大约300毫秒后在自发脑电信号中出现的一个正波峰,它在脑—机接口系统中可以用作二维控制信号。但是由于诱发电位是一种非平稳的随机信号,其幅值相对于自发的EEG背景噪声而言很低,而且诱发电位的频带和背景EEG噪声频带重叠,因此利用传统的信号处理方法很难提取到真实诱发电位。由于小波变换在时域和频域上都具有良好的局部化特性,基于小波变换的去噪方法,可以达到从单次样本中提取视觉诱发电位的目的。可以根据样本小波分解在目标刺激出现后400—600ms时间范围δ频带（0-4Hz）内是否具有正的小波系数为标准来判断单次样本中是否有P300响应。小波去噪方法能够在大多数单次去噪样本中观察到视觉诱发响应的P100,N200以及P300成分,去噪后的单次视觉诱发响应与去噪后的平均视觉诱发响应的相关系数大于0.45的样本个数占85%, P300检测标准只有74%的目标刺激响应中有P300特征量。与传统的基本傅立叶变换的信号处理方法相比,小波变换提取诱发电位具有明显的优点。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 脑-机接口的基本理论
• 1.1.1 脑-机接口的定义
• 1.1.2 BCI 的基本工作原理
• 1.1.3 BCI 的基本结构
• 1.2 BCI 的研究意义
• 1.3 国内外BCI 信号处理方法概况
• 1.3.1 信号处理方法
• 1.3.2 研究发展方向
• 1.4 本文的研究目的及内容安排
• 1.4.1 本文的研究目的
• 1.4.2 内容安排
• 2 BCI 系统的控制信号
• 2.1 BCI 控制信号的产生
• 2.2 BCI 的控制信号及其特点
• 2.2.1 自发脑电（EEG）
• 2.2.2 诱发电位（EP）
• 2.3 BCI 控制信号的采集
• 2.3.1 采集系统的组成
• 2.3.2 信号记录技术
• 3 小波变换的基本理论
• 3.1 傅立叶变换
• 3.2 短时傅立叶变换
• 3.3 连续小波变换
• 3.4 离散小波变换
• 3.5 多分辨分析
• 3.6 Mallat 快速算法
• 3.7 小波变换在EEG 信号处理的应用
• 3.7.1 EEG 常用的特征提取方法
• 3.7.2 小波变换在特征提取中的应用
• 4 利用小波变换单次样本提取视觉诱发电位
• 4.1 实验数据和方法
• 4.1.1 实验数据
• 4.1.2 实验方法
• 4.2 实验步骤
• 4.3 实验结果及分析
• 4.3.1 实验结果
• 4.3.2 相关性分析
• 4.4 本章小结
• 5 利用小波变换方法单次提取P300 特征
• 5.1 实验方法
• 5.2 实验结果
• 5.3 本章小结
• 6 总结和前瞻
• 6.1 总结
• 6.2 前瞻
• 致谢
• 参考文献
• 附录