運(yùn)動(dòng)想象腦電信號(hào)特征提取與分類研究.pdf

1、腦-機(jī)接口（Brain-Computer Interface，BCI）是一門新的技術(shù)，隨著科學(xué)技術(shù)的發(fā)展越來越受到社會(huì)各界的關(guān)注。BCI系統(tǒng)通過電極帽等設(shè)備檢測大腦皮層電活動(dòng)，將大腦產(chǎn)生的電信號(hào)轉(zhuǎn)換為對外部設(shè)備的控制信號(hào)，實(shí)現(xiàn)控制信息的傳達(dá)進(jìn)而實(shí)現(xiàn)與外部世界的交流。因此可以利用腦電信號(hào)（electroencephalogram，EEG）控制外部輔助設(shè)備，為行動(dòng)不便的患者提供重新與外部環(huán)境交流的機(jī)會(huì)。
　　本文對兩類運(yùn)動(dòng)想象的腦電信

2、號(hào)進(jìn)行了研究，結(jié)合腦電信號(hào)的非線性和節(jié)律性等特點(diǎn)，針對EEG信號(hào)提取的特征區(qū)分度不明顯以及分類識(shí)別率不高等問題，從對消除EEG信號(hào)中的噪聲、提高特征向量的區(qū)分度和優(yōu)化分類器性能入手，提高腦電信號(hào)分類識(shí)別率。本文主要進(jìn)行以下研究工作：
　?。?）腦電信號(hào)的預(yù)處理：在軟閾值算法的基礎(chǔ)上，采用改進(jìn)的軟閾值算法進(jìn)行消噪。將改進(jìn)的軟閾值與傳統(tǒng)的硬閾值、軟閾值進(jìn)行對比，并且利用信噪比和均方誤差定量評估消噪效果。改進(jìn)后的閾值算法在保留原有算法的

3、優(yōu)點(diǎn)的同時(shí)改進(jìn)了不足，提高了信噪比。
　?。?）運(yùn)動(dòng)想象腦電信號(hào)特征提取：針對腦電信號(hào)的非線性和非平穩(wěn)性，且受試者在進(jìn)行運(yùn)動(dòng)想象時(shí)會(huì)產(chǎn)生ERD/ERS現(xiàn)象。本文提出了小波變換和模糊熵相結(jié)合的方法用于運(yùn)動(dòng)想象腦電信號(hào)的特征提取。對C3和C4通道的腦電信號(hào)先利用小波變換進(jìn)行多層分解提取出alpha節(jié)律和beta節(jié)律波，然后利用模糊熵對其進(jìn)行特征提取，并采用2008年的BCI競賽數(shù)據(jù)驗(yàn)證有效性和可行性。
　　（3）運(yùn)動(dòng)想象腦電信號(hào)

4、模式分類：針對支持向量機(jī)（SVM）在核函數(shù)參數(shù)選取上存在的問題，采用粒子群算法（PSO）對支持向量機(jī)的懲罰參數(shù)C和核參數(shù)g進(jìn)行迭代尋優(yōu)提高分類器的性能，再將優(yōu)化后的分類器用于運(yùn)動(dòng)想象EEG信號(hào)的分類預(yù)測，并詳細(xì)描述了粒子群算法優(yōu)化SVM的原理和基本流程。
　　（4）實(shí)驗(yàn)結(jié)果與分析：采用2005年腦-機(jī)接口競賽數(shù)據(jù)BCI Competition Ⅲ data Ⅳa和2008年競賽數(shù)據(jù)BCI Competition Ⅳ Dataset