基于運動想象的腦-機接口的算法研究.pdf

1、隨著四屆國際腦機接口比賽的展開，腦-機接口（Brain Computer Interface，BCI）技術(shù)的研究達到了前所未有的階段。而在近幾年，現(xiàn)實中不斷出現(xiàn)的
　　腦-機接口系統(tǒng)也給全人類的生活拉開了一個新的領(lǐng)域。而在BCI技術(shù)中，核心問題是腦電信號的處理，快速、準確、有效的信號處理支撐了整個 BCI系統(tǒng)的核心。
　　本文即是從腦電信號的處理入手進行實驗研究，采用第三屆國際腦-機接口數(shù)據(jù)競賽（BCI Competitio

2、n III）中的數(shù)據(jù)集IVa-“小樣本學習想象運動腦電數(shù)據(jù)集”作為實驗數(shù)據(jù)。從設(shè)定實驗方案出發(fā)，給出運動想象腦電信號分類識別的最佳實驗方案，并重點對腦電信號（electroencephalogram，EEG）預處理、特征選擇、特征提取和模式識別進行研究。在信號預處理過程中，選取Butterworth、ChebyshevI、Chebyshev II、Elliptic四種濾波器進行對比，確定最佳濾波器；在特征選擇過程中從基于互信息的特征選擇

3、算法上提出相關(guān)系數(shù)的特征選擇算法，并將其跟互信息特征選擇算法進行對比試驗，選取實驗過程中所需參數(shù)問題，并對比兩種特征選擇算法性能的優(yōu)略；在特征提取過程中對比自回歸模型譜估計法（auto-regressive，AR）和共空間模型（Common Spatial Pattern,CSP）特征提取算法；最終使用基于Fisher準則的LDA分類算法和支持向量機（SVM）進行分類識別。最后對各類算法組合進行實驗結(jié)果分析，選出分類效果最佳的算法組合即