人腦計(jì)算機(jī)接口基于隱馬科夫模型的思維運(yùn)動(dòng)異步分類.pdf

1、近年來(lái)，人腦計(jì)算機(jī)接口(Brain-Computer Interface)技術(shù)在生理學(xué)和信息學(xué)研究的基礎(chǔ)上不斷取得進(jìn)展。BCI技術(shù)的發(fā)展以及成功運(yùn)用將會(huì)給人類社會(huì)帶來(lái)巨大的便利。本文通過(guò)對(duì)人腦計(jì)算機(jī)接口與語(yǔ)音識(shí)別和微弱信號(hào)處理的類比，嘗試使用隱馬科夫模型和Duffing混沌振子這兩種方法通過(guò)對(duì)腦電圖信號(hào)的處理實(shí)現(xiàn)人腦計(jì)算機(jī)接口。 本文包括兩個(gè)部分。第一個(gè)部分涉及到EEG信號(hào)的同步分類。具體包括自回歸參數(shù)方法和方差方法來(lái)進(jìn)行EEG

2、信號(hào)的特征參數(shù)提??；然后討論了隱馬科夫模型方法，包括k-means和EM算法以及FLD算法，用以實(shí)現(xiàn)對(duì)特征參數(shù)的分類。本文的第二部分提出了一種用于異步識(shí)別EEG信號(hào)中ERD現(xiàn)象，進(jìn)而實(shí)現(xiàn)人腦計(jì)算機(jī)接口指令的一種新方法，即混沌振子方法。 在完成前面提到的各項(xiàng)算法的準(zhǔn)備和實(shí)現(xiàn)之后，所有程序的結(jié)果在第五章中進(jìn)行匯總分析，包括一些參數(shù)的選擇，如自回歸參數(shù)模型的階次，HMM的狀態(tài)個(gè)數(shù)和混合因子的個(gè)數(shù)。在第五章中還將對(duì)BCI指令開(kāi)始時(shí)刻的選