基于運動想象的腦機(jī)接口特征提取與模式分類方法研究.pdf

1、近些年來，隨著神經(jīng)科學(xué)、信號處理、計算機(jī)科學(xué)等領(lǐng)域的不斷地深入發(fā)展，作為這些學(xué)科的交叉學(xué)科——腦機(jī)接口，目前已成為了當(dāng)前國際上科學(xué)研究的熱門領(lǐng)域。腦機(jī)接口是一種不同于人腦神經(jīng)與肢體肌肉組織的正常通道，而是通過解析人腦神經(jīng)活動信息來與外界設(shè)備交流的通訊控制系統(tǒng)。由于腦電信號具有幅值微弱、非平穩(wěn)、噪聲干擾強(qiáng)等特點，導(dǎo)致該類信號特征提取與模式分類的復(fù)雜性以及構(gòu)建在線腦機(jī)接口系統(tǒng)的困難。經(jīng)過充分調(diào)研與研究，本文采用了對二分類與四分類腦機(jī)接口更加

2、有效的特征提取方法，并構(gòu)建一套基于運動想象的在線足球射門腦機(jī)接口系統(tǒng)。
　　本文試圖從分析當(dāng)前特征提取算法與模式分類算法對腦電信號適應(yīng)性入手，通過優(yōu)化腦電信號預(yù)處理，構(gòu)建一組特征提取算法與模式分類算法。在二分類腦機(jī)接口系統(tǒng)中，首先，針對共同空間模式(Commom Spatial Pattern，CSP)計算過程缺乏頻域信息，且信號中混淆了大量的無關(guān)頻率信號。為此本文結(jié)合了張量分解，它能夠保留多維數(shù)據(jù)以及各維數(shù)據(jù)之間的關(guān)聯(lián)信息。與此

3、同時，針對提取后的特征分別使用了線性判別分析(Linear Discriminant Analysis，LDA)、支持向量機(jī)(Support Vector Machine，SVM)進(jìn)行分析比較。其次，在四分類運動想象腦機(jī)接口系統(tǒng)中，本文采取子帶能量和時域參數(shù)的方法，分別采用LDA和SVM兩種分類器，并且在訓(xùn)練集中選擇取最優(yōu)的參數(shù)組合，并應(yīng)用到四分類的腦機(jī)接口系統(tǒng)中。
　　實驗表明，在二分類腦機(jī)接口系統(tǒng)中，本文使用的方法平均準(zhǔn)確率能