脑电信号特征提取的算法研究

论文摘要

脑-机接口是一种实现人脑和计算机通信的系统,它不依赖于由外围神经和肌肉组成的正常输出通路。脑-机接口能帮助身体严重残疾的瘫痪患者控制外围设备或者与外界通信。大脑在完成意识活动,或者受到外界刺激的时候,会伴随着一系列的神经电活动,可以通过信号处理和模式识别相关知识加以检测识别。P300是一种诱发电位,由视觉、听觉和痛觉等产生。人在不同对象的刺激下,P300电位的特点也不同,因此可用来实现字符拼写。字符拼写的准确性和快速性是字符拼写的关键。脑-机接口在生物医学工程、军事、商业、刑侦等领域有着广泛的应用前景。P300字符拼写的实质是一个多类识别问题,主要包括三个环节:预处理、特征提取、识别分类。本文对这三个方面都有较深入的研究,用低通滤波实现信号的预处理;采用独立分量分析、小波分析两种常见的方法进行特征提取;用支持向量机识别分类。特征选择实质是对特征向量的组合优化问题。有效的特征向量是实现字符准确识别的前提,因此具有重要的研究意义。本文工作研究的重点为特征提取与特征选择。Fisher线性判别准则可用来进行特征选择,和特征提取结合起来获取特征向量,研究结果表明特征提取和Fisher准则相结合的方法比单独使用特征提取在分类准确率和分类时间上有较好的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 脑-机接口的研究背景和研究意义
• 1.2 脑-机接口的研究历史和国内外现状
• 1.3 脑-机接口的基本原理和结构
• 1.4 本文的主要研究内容以及章节安排
• 第二章 脑电信号和P300 视觉诱发电位
• 2.1 引言
• 2.2 脑的结构和功能
• 2.3 人脑的研究技术
• 2.4 诱发电位
• 2.4.1 事件相关电位（ERP，Event-Related potential）
• 2.4.2 P300 诱发电位
• 2.5 本章小结
• 第三章 支持向量机理论
• 3.1 引言
• 3.2 统计学习理论
• 3.2.1 机器学习问题
• 3.2.2 统计学习基本知识
• 3.3 支持向量机
• 3.3.1 线性分类器
• 3.3.2 支持向量机原理
• 3.3.3 基于遗传算法和支持向量机的分类算法
• 3.4 本章小结
• 第四章 P300 字符拼写的算法描述
• 4.1 引言
• 4.2 数据描述
• 4.3 数据处理方法介绍
• 4.3.1 P300 数据预处理方法
• 4.3.2 构建特征向量的关键技术
• 4.4 基于支持向量机的脑电信号算法实现
• 4.5 本章小结
• 第五章 基于独立分量分析的脑电特征提取算法
• 5.1 引言
• 5.2 盲信号处理问题
• 5.3 独立分量分析理论
• 5.4 各种ICA 算法
• 5.4.1 基于信息论的算法
• 5.4.2 基于最大信噪比的盲源分离算法
• 5.4.3 快速ICA 算法（FastICA）
• 5.5 仿真实验与分析
• 5.6 本章小结
• 第六章 基于小波分析的脑电特征提取算法
• 6.1 引言
• 6.2 信号的变换
• 6.3 小波变换
• 6.3.1 连续小波变换
• 6.3.2 离散小波变换
• 6.3.3 小波函数与小波空间
• 6.4 算法与仿真实验分析
• 6.5 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢