2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩72頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、腦-機接口(Brain-Computer Interface,BCI)是一種全新的人-機接口方式,它不依賴于人體的外周神經(jīng)與肌肉系統(tǒng),直接從大腦獲取與外界通訊的信息。研究和發(fā)展BCI技術(shù)最主要的目的在于設計出基于腦電信號的控制裝置以幫助嚴重的殘疾患者以及嚴重的交流障礙患者恢復控制和交流功能。研究腦-機接口是人類對腦電活動規(guī)律不斷認知的過程。
  本文研究的主要目的是尋找合適的信號采集與處理方法,提高信號處理的分類的準確率。研究離線

2、腦-機接口的最終目的是建立穩(wěn)定、可靠、快速的在線BCI系統(tǒng),幫助癱瘓病人恢復肢體運動或?qū)崿F(xiàn)對外界的控制。
  實驗中的數(shù)據(jù)采集自五名健康實驗者的腦電信號,針對小樣本運動想象腦電的特征提取和分類算法進行了離線研究。論文分析了腦電信號產(chǎn)生的機理,論述了腦電信號處理的一般方法。本文主要采用了三種特征提取的方法,分別是小波系數(shù)、相對小波能量、和基于最小二乘估計法的AAR(Adaptive Auto-Regressive model,AAR

3、)模型系數(shù)。由于小波變換的多分辨率特點,很適合提取腦電信號特征。相對小波能量能反映信號不同頻帶所含能量及整個信號段能量隨時間變化的特征。AAR模型的系數(shù)估計相比于AR(Auto-Regressive,AR)模型,它的系數(shù)是隨著時間的變化而變化的,因此可以表述非平穩(wěn)信號的特征,比對信號做加窗的AR模型估計有著許多優(yōu)點。實驗表明,這三種特征提取方法適合腦電信號的分析。
  模式識別分類方法具有很多種,本文在充分考慮到信號樣本數(shù)和特征維

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論