| 【中文题名】 | 脑—机系统中特征提取方法的研究 |
| 【英文题名】 | Research on Feature Extration Methords in the Brain-Computer System |
| 【学科专业】 | 电力电子与电力传动 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-13 |
| 【中关键词】 | 脑-机接口,脑电信号,空间滤波,滑动窗,小波变换,神经网络 |
| 【英关键词】 | Brain-computer interface （BCI）,Electroencephalogram （EEG）,Space filter,Sliding window,Wavelet transform（WT）,Artifial neural network（ANN）, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>自动化系统理论>> |
| 【论文摘要】 |
意识任务的识别就是根据采集到脑电(Electroencephalogram，EEG)信号解读出意识活动者的意愿，脑—机接口(Brain-computer interfaces，BCI)就是实现这种目的的一种系统。许多患有诸如脑瘫等神经肌肉障碍疾病的人与外界传递信息的通道被阻断了，他们基本的活动功能和正常的交流能力往往都被剥夺了，最为严重的是这些表达意愿的信息可能被完全阻断在体内从而使患者不能以任何方式传递出去。BCI的研究目的就是通过获取与人的意识任务活动相关的EEG信号，建立一种不依赖于人体外围神经系统及肌肉组织而在人与周围环境间进行信息交流与控制的新型通道。本文在综述国内外研究现状的基础上对基于EEG的左右手(击键)动作的意识任务识别在以下几个方面进行了研究讨论：
(1)基于频-空滤波的功率谱估计提取特征的方法
对EEG信号的来源、产生机理和结构等进行分析，运用经典功率谱估计，AR模型功率谱估计等方法对想象左右手意识动作的脑电信号进行特征提取，以频带能量作为特征并比较其性能。实验表明对基于ERD／ERS(event-relateddesynchronization／event-r... |
| 【论文题纲】 |
|
摘要 |
6-7 |
|
Abstract |
7-9 |
|
第1章 绪论 |
9-14 |
|
1.1 引言 |
9-10 |
|
1.2 BCI的组成及研究现状 |
10-12 |
|
1.3 研究的目的和意义 |
12 |
|
1.4 本文的主要研究内容 |
12-14 |
|
第2章 脑电信号的预处理 |
14-20 |
|
2.1 引言 |
14 |
|
2.2 实验数据描述 |
14-15 |
|
2.3 脑电信号的预处理 |
15-18 |
|
2.3.1 低通滤波 |
16-18 |
|
2.3.2 空间滤波 |
18 |
|
2.4 本章小结 |
18-20 |
|
第3章 脑电信号的特征提取方法 |
20-37 |
|
3.1 引言 |
20 |
|
3.2 时域分析 |
20-22 |
|
3.2.1 运用时间滑动窗进行特征提取 |
20-22 |
|
3.3 频域分析 |
22-27 |
|
3.3.1 脑电信号的事件相关同步性与事件相关去同步性 |
22-23 |
|
3.3.2 经典功率谱估计 |
23-24 |
|
3.3.3 功率谱估计和参数模型 |
24-27 |
|
3.4 时/频域分析 |
27-31 |
|
3.4.1 小波及小波包分析 |
27-31 |
|
3.5 实验结果与讨论 |
31-35 |
|
3.5.1 时间滑动窗 |
31-32 |
|
3.5.2 功率谱估计与 AR模型参数 |
32-33 |
|
3.5.3 信号的小波包分解 |
33-34 |
|
3.5.4 特征组合 |
34-35 |
|
3.6 本章小结 |
35-37 |
|
第4章 意识任务识别方法 |
37-49 |
|
4.1 引言 |
37 |
|
4.2 线性识别算法 |
37-38 |
|
4.2.1 线性判别式分析算法 |
37-38 |
|
4.3 神经网络 |
38-45 |
|
4.3.1 神经网络在模式识别中的特点 |
38-39 |
|
4.3.2 BP神经网络算法及识别原理 |
39-43 |
|
4.3.3 意识任务识别在 BP神经网络中的实现 |
43-45 |
|
4.4 集成神经网络 |
45-48 |
|
4.4.1 集成神经网络系统的结构 |
46-47 |
|
4.4.2 意识任务识别在神经网络集成中的实现 |
47-48 |
|
4.5 本章小结 |
48-49 |
|
第5章 各种特征提取和识别方法的比较 |
49-52 |
|
5.1 引言 |
49 |
|
5.2 实验结果的分析与结论 |
49-52 |
|
5.2.1 特征提取方法的对比与讨论 |
49-50 |
|
5.2.2 识别算法方法的对比与讨论 |
50-52 |
|
结论 |
52-54 |
|
参考文献 |
54-58 |
|
致谢 |
58-59 |
|
附录 |
59 |
|
| 【DOI】 | LunWen.ID:2.2008.388628 |
