腦電信號分析與多模態(tài)腦機接口研究.pdf

1、腦電信號分析與多模態(tài)腦機接口研究重慶大學碩士學位論文（學術(shù)學位）學生姓名：吳松指導教師：楊浩教授專業(yè)：電氣工程學科門類：工學重慶大學電氣工程學院二O一四年五月重慶大學碩士學位論文中文摘要I摘要腦電信號（electroencephalogram，EEG）是一種重要的人體生理電信號。一方面分析腦電信號可以深入認識大腦的功能，了解生理特性，應用于臨床疾?。涣硪环矫?，基于EEG的腦機接口系統(tǒng)（BrianComputerInterface，BCI

2、）無需外周神經(jīng)和肌肉即可實現(xiàn)與外界設備的通訊與控制，具有廣泛的應用前景本論文主要包括以下內(nèi)容。EEG的一個重要應用在BCI系統(tǒng)，特征提取和分類是BCI系統(tǒng)的重點。本文研究了基于運動想象EEG的BCI系統(tǒng)，提出了三種EEG特征提取方法：WCSP、PSOCSP和WRCSP。第一種方法是小波分析和共空間模式（CSP）算法的結(jié)合，是一種時域、頻域、空間域融合的方法，小波分析的時頻特性使得其更加適用于處理非平穩(wěn)的EEG信號。第二種方法是基于粒子群

3、（PSO）的CSP算法，先用PSO優(yōu)化最佳頻帶，然后應用最佳頻帶進行信號處理，第三種方法是基于小波的規(guī)則化CSP算法，引入兩個規(guī)則化參數(shù)，增強CSP的穩(wěn)定性。與傳統(tǒng)的CSP對比分析表明，提出的方法能夠更明顯的區(qū)分特征向量。對于運動想象EEG的BCI系統(tǒng)中特征分類，對比研究了典型的線性和非線性分類器：LDA和SVM，并比較了兩種分類器在應用不同特征提取算法情況下的分類結(jié)果。結(jié)果表明WRCSPSVM取得最高的平均分類準確度，WCSPLDA平

4、均分類準確度最低，對于效率不高的受試者，WRCSPSVM達到最好分類準確度。說明WRCSP更有利于處理噪聲干擾大的信號，并且基于SVM算法的平均分類結(jié)果高于LDA，說明SVM處理非線性問題的優(yōu)勢，但當特征向量在投影空間區(qū)分明顯時，LDA分類效率也很高，如基于LDA的WRCSP，PSOCSP也達到較高的平均分類準確度。在實驗觀察中，我們發(fā)現(xiàn)通過眼動EEG具有明顯時域特性，本文實時提取向上和向下眼動的時域特征，達到了較高的識別正確率和傳輸速