基于卷積神經(jīng)網(wǎng)絡(luò)的運動想象腦電信號特征提取與分類.pdf

1、腦機接口技術(shù)(Brain Computer Interface，BCI)是指不依靠腦神經(jīng)和肌肉組織，通過計算機在大腦和外部環(huán)境之間構(gòu)建一種新的信息傳輸回路，可以直接實現(xiàn)大腦與外界環(huán)境的信息交流，是一種新型的人機交互方式。它能為思維正常但患有肌肉損傷、肌肉功能障礙的群體提供一種與外界交流的新途徑，并且在軍事應(yīng)用、娛樂等領(lǐng)域也有著較大的應(yīng)用前景。腦機接口系統(tǒng)的關(guān)鍵技術(shù)是通過對腦電信號進行處理，從中提取出能表征受試者的思維活動的腦電成分，作為

2、分類器的輸入，將分類結(jié)果轉(zhuǎn)換成控制命令輸出，實現(xiàn)對外部設(shè)備的控制。本文以提高四類運動想象腦電信號的識別率為目標，結(jié)合運動想象腦電信號的特性，對腦電信號的預(yù)處理、特征提取以及分類等過程進行了分析研究，主要工作如下：
　　（1）首先介紹了腦電信號的分類及特點，對運動想象腦電信號的特性進行了分析。結(jié)合小波包變換（Wavelet Packet Transform，WPT）與快速獨立分量分析（Fast Independent Compone

3、nt Analysis，F(xiàn)astICA）兩種算法，對腦電信號進行預(yù)處理，濾除了腦電信號中的高頻噪聲與偽跡，便于后續(xù)的特征提取和分類。
　?。?）當(dāng)輸入樣本量較少，采用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network， CNN）對腦電信號進行分類時，網(wǎng)絡(luò)權(quán)值得不到充分訓(xùn)練，導(dǎo)致分類效果差。針對以上問題，本文創(chuàng)新性地將公共空間模式（Common Spatial Pattern，CSP）與CNN相結(jié)合，對多類運動想

4、象腦電信號進行兩級特征提取并分類，與傳統(tǒng)腦電分類算法相比，分類正確率有較大提高。
　?。?）較小的腦電信號樣本量導(dǎo)致無法充分訓(xùn)練 CNN網(wǎng)絡(luò)權(quán)值，而不同實驗過程中網(wǎng)絡(luò)權(quán)值的初始值對分類結(jié)果影響較大。針對這個問題，本文首先利用遺傳（Genetic Algorithm，GA）算法對CNN權(quán)值進行預(yù)訓(xùn)練，在解空間內(nèi)進行權(quán)值全局尋優(yōu)；其次，利用誤差反向傳播（Back Propagation，BP）算法對最優(yōu)網(wǎng)絡(luò)權(quán)值進行局部修正。實驗結(jié)果表