基于运动想象的脑电信号处理方法研究

论文摘要

脑电信号（Electroencephalogram，EEG）是脑细胞的电生理活动在大脑皮层和头皮的整体反映，包含大量的生理与疾病信息。由于脑电信号与人的意识活动状态相关，因此通过对脑电信号进行分类处理，就可以识别不同的意识活动状态，从而形成一种不依赖于大脑外周神经与肌肉正常输出通道的通讯控制系统，即脑-机接口（Brain Computer Interface，BCI）。运动想象是指只想象肢体运动而没有进行实际的肢体动作，运动想象产生的脑电信号具有事件相关同步（event-related synchronization, ERS）和去同步（event-relateddesynchronization, ERD）特征，通过分析该特征，可以判断出想象者的运动意图，从而实现对外部设备的控制，因此运动想象脑电信号成为脑-机接口系统中最常使用的一种特征信号。本文完成了一套基于运动想象脑电信号的实时在线BCI实验系统，该系统主要包括以下几个部分：运动想象脑电信号的采集、预处理、特征提取、模式分类以及实时在线BCI实验。信号采集部分对采集方式的选择、电极的选择与安置方法、导联选择方式以及信号采集的具体流程进行了阐述；信号预处理部分分别对四种不同类型的数字滤波器及其滤波效果进行了研究和对比，通过分析选择了滤波效果最好的椭圆滤波器对信号进行预处理；特征提取部分，分别将快速傅里叶变换、功率谱密度、短时傅里叶变换三种算法应用到运动想象脑电信号的特征提取工作中，通过对各种方法的优劣及效果进行分析与评价，选择出了较为理想的特征提取算法，得到了较好的特征提取效果；模式分类部分，研究了Mahalanobis距离分类器、Fisher线性判别分类器、支持向量机三种分类方法在运动想象脑电信号模式分类中的应用，通过对运动想象脑电信号特征进行分类实验，比较了各种分类方法的优缺点，为实时在线BCI系统分类器的选择提供了依据；最后，在LabVIEW平台上建立了基于运动想象脑电信号的实时在线BCI实验系统，较好地实现了“无反馈”、“有反馈”、“实时在线”三种实验模式，从而进一步验证了算法的有效性和可行性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景及研究意义
• 1.2 脑-机接口的基本概念
• 1.3 脑电信号概述
• 1.4 运动想象脑电信号
• 1.4.1 运动想象的定义与研究意义
• 1.4.2 事件相关同步/去同步现象
• 1.4.2.1 事件相关同步/去同步的含义
• 1.4.2.2 ERD/ERS 的生理机制
• 1.4.2.3 ERD/ERS 的空间分辨率
• 1.4.3 运动想象脑电信号的分析方法
• 1.4.4 基于运动想象的脑-机接口与 ERD/ERS
• 1.5 论文的研究目的和内容
• 1.5.1 研究目的
• 1.5.2 主要研究内容
• 1.6 本章小结
• 第2章 运动想象脑电信号采集实验与预处理
• 2.1 运动想象脑电信号采集
• 2.1.1 采集方式的选择
• 2.1.2 电极的选择与安置方法
• 2.1.3 导联选择方式
• 2.2 运动想象脑电信号采集实验
• 2.2.1 采集设备
• 2.2.2 采集实验平台
• 2.2.3 采集实验
• 2.2.3.1 受试对象及实验环境
• 2.2.3.2 采集实验方案
• 2.2.3.3 采集实验流程
• 2.2.4 采集实验数据及分析
• 2.2.4.1 实验数据
• 2.2.4.2 数据分析
• 2.3 运动想象脑电信号的预处理
• 2.3.1 滤波器的选择
• 2.3.2 信号预处理
• 2.4 本章小结
• 第3章 运动想象脑电信号的特征提取方法研究
• 3.1 快速傅里叶变换
• 3.1.1 傅里叶变换
• 3.1.2 快速傅里叶变换
• 3.1.3 基于快速傅里叶变换到的信号特征提取
• 3.2 功率谱估计
• 3.2.1 功率谱密度的定义
• 3.2.2 周期图法
• 3.2.3 基于周期图法的信号特征提取
• 3.2.4 Welch 法
• 3.2.5 基于 Welch 法的信号特征提取
• 3.3 短时傅里叶变换
• 3.3.1 短时傅里叶变换
• 3.3.2 基于短时傅里叶变换的特征提取
• 3.4 本章小结
• 第4章 运动想象脑电信号的模式分类方法研究
• 4.1 线性分类方法
• 4.1.1 线性分类器
• 4.1.2 Mahalanobis 距离分类器
• 4.1.3 基于 Mahalanobis 距离分类器的分类结果
• 4.1.4 Fisher 准则分类器
• 4.1.5 基于 Fisher 准则分类器的分类结果
• 4.2 支持向量机分类方法
• 4.2.1 支持向量机
• 4.2.2 线性可分情况下的支持向量机
• 4.2.3 非线性可分情况下的支持向量机
• 4.2.4 基于支持向量机的信号特征分类
• 4.2.5 基于支持向量机的分类结果
• 4.3 分类器性能比较
• 4.4 本章小结
• 第5章 基于运动想象脑电信号的实时在线 BCI 实验系统研究
• 5.1 系统总体构成
• 5.2 受试者训练
• 5.3 实时在线 BCI 系统实验
• 5.3.1 “无反馈”实验
• 5.3.2 “有反馈”实验
• 5.3.3 “实时在线”实验
• 5.4 实时在线 BCI 实验结果及讨论
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 申请学位期间的研究成果及发表的学术论文