腦-機(jī)接口技術(shù)已經(jīng)成為國(guó)內(nèi)外研究的一個(gè)熱點(diǎn),它不僅是一種全新的助殘方式和控制手段,對(duì)正常人而言,也能提供一種特殊的信息交流和生活?yuàn)蕵?lè)方式。腦-機(jī)接口中的控制信號(hào)可以分為自發(fā)腦電信號(hào)和誘發(fā)腦電信號(hào)兩類(lèi)。由于節(jié)律特征比較明顯,目前對(duì)基于誘發(fā)腦電信號(hào)的腦-機(jī)接口技術(shù)的研究相對(duì)成熟,但是需要額外的刺激系統(tǒng)。而基于自發(fā)腦電信號(hào)的研究采用的腦電控制信號(hào)自發(fā)產(chǎn)生,不需要刺激,實(shí)際應(yīng)用起來(lái)比較方便,但是節(jié)律特征不是很明顯,這就對(duì)特征提取和分類(lèi)方法提出了很高的要求,目前大多數(shù)的研究還處于實(shí)驗(yàn)室階段,分類(lèi)正確率不高,很少應(yīng)用于實(shí)際。因此對(duì)基于自發(fā)腦電信號(hào)的腦-機(jī)接口中特征提取和分類(lèi)方法的研究具有很重要的意義。運(yùn)動(dòng)想象腦電信號(hào)是自發(fā)腦電信號(hào)的一種,本文利用實(shí)驗(yàn)室NEUROSCAN平臺(tái)設(shè)計(jì)實(shí)驗(yàn)采集腦電數(shù)據(jù),對(duì)想象左手握握力器,想象右手握握力器,想象右腳踩油門(mén)三類(lèi)運(yùn)動(dòng)想象任務(wù)進(jìn)行了研究。首先利用NEUROSCAN平臺(tái)中SCAN4.3軟件濾除實(shí)驗(yàn)中不可避免的眼電（EOG）干擾成分,然后提出了一種FFT和IFFT結(jié)合的方法對(duì)濾除眼電后的運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行濾波,并對(duì)濾波后的數(shù)據(jù)進(jìn)行了平均能量分析,來(lái)驗(yàn)證濾波的可行性... 

【文章來(lái)源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 腦-機(jī)接口技術(shù)簡(jiǎn)介
        1.1.1 腦-機(jī)接口概念
        1.1.2 腦-機(jī)接口組成
        1.1.3 腦-機(jī)接口技術(shù)的研究現(xiàn)狀
        1.1.4 腦-機(jī)接口研究意義
    1.2 本文的研究基礎(chǔ)
        1.2.1 大腦的基本結(jié)構(gòu)和腦電信號(hào)的產(chǎn)生
        1.2.2 腦電信號(hào)的特點(diǎn)及主要節(jié)律
        1.2.3 運(yùn)動(dòng)想象腦電信號(hào)的研究基礎(chǔ)
    1.3 本文研究的目的與內(nèi)容
        1.3.1 研究目的
        1.3.2 研究?jī)?nèi)容
2 實(shí)驗(yàn)設(shè)計(jì)和運(yùn)動(dòng)想象腦電信號(hào)的預(yù)處理
    2.1 實(shí)驗(yàn)設(shè)計(jì)
        2.1.1 實(shí)驗(yàn)平臺(tái) NEUROSCAN 簡(jiǎn)介
        2.1.2 實(shí)驗(yàn)設(shè)計(jì)
    2.2 運(yùn)動(dòng)想象腦電信號(hào)的預(yù)處理
        2.2.1 合并行為數(shù)據(jù)，濾除眼電和轉(zhuǎn)化數(shù)據(jù)格式
        2.2.2 FFT 和IFFT 結(jié)合濾波
        2.2.3 濾波后數(shù)據(jù)分析
    2.3 本章小結(jié)
3 運(yùn)動(dòng)想象腦電信號(hào)的特征提取方法研究
    3.1 概述
    3.2 基于AR 模型的功率譜估計(jì)
        3.2.1 基于AR 模型的功率譜估計(jì)原理
        3.2.2 對(duì)基于AR 模型的功率譜估計(jì)的分析
    3.3 離散小波分析特征提取方法研究
        3.3.1 小波變換基本理論
        3.3.2 采用離散小波分析提取信號(hào)的能量值特征
        3.3.3 采用離散小波分析提取信號(hào)的能量值和系數(shù)的組合特征
    3.4 本章小結(jié)
4 運(yùn)動(dòng)想象腦電信號(hào)的分類(lèi)方法研究
    4.1 概述
    4.2 BP 神經(jīng)網(wǎng)絡(luò)分類(lèi)器
        4.2.1 BP 神經(jīng)網(wǎng)絡(luò)原理
        4.2.2 運(yùn)動(dòng)想象BP 神經(jīng)網(wǎng)絡(luò)分類(lèi)器的設(shè)計(jì)
    4.3 自組織神經(jīng)網(wǎng)絡(luò)分類(lèi)器
        4.3.1 自組織神經(jīng)網(wǎng)絡(luò)原理
        4.3.2 運(yùn)動(dòng)想象自組織神經(jīng)網(wǎng)絡(luò)分類(lèi)器的設(shè)計(jì)
    4.4 粒子群優(yōu)化支持向量機(jī)
        4.4.1 支持向量機(jī)原理
        4.4.2 粒子群優(yōu)化算法原理
        4.4.3 粒子群優(yōu)化支持向量機(jī)參數(shù)
    4.5 三種方法的分類(lèi)結(jié)果比較分析
        4.5.1 能量值作為特征時(shí)三種方法的分類(lèi)結(jié)果
        4.5.2 能量值和小波系數(shù)作為組合特征時(shí)三種方法的分類(lèi)結(jié)果
        4.5.3 分類(lèi)結(jié)果比較分析
    4.6 對(duì)自組織神經(jīng)網(wǎng)絡(luò)初始權(quán)值設(shè)定的改進(jìn)
    4.7 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
附錄：A. 作者在攻讀碩士學(xué)位期間發(fā)表的論文目錄


【參考文獻(xiàn)】：
期刊論文
[1]用于腦-機(jī)接口P300實(shí)驗(yàn)的支持向量機(jī)分類(lèi)方法[J]. 葛瑜,劉楊,周宗潭,胡德文.  計(jì)算機(jī)工程與設(shè)計(jì). 2008(11)
[2]基于F-score特征選擇和支持向量機(jī)的P300識(shí)別算法[J]. 楊立才,李金亮,姚玉翠,吳曉晴.  生物醫(yī)學(xué)工程學(xué)雜志. 2008(01)
[3]基于SOM聚類(lèi)的數(shù)據(jù)挖掘方法及其應(yīng)用研究[J]. 楊黎剛,蘇宏業(yè),張英,褚健.  計(jì)算機(jī)工程與科學(xué). 2007(08)
[4]無(wú)創(chuàng)高通訊速率的實(shí)時(shí)腦-機(jī)接口系統(tǒng)[J]. 高上凱.  中國(guó)基礎(chǔ)科學(xué). 2007(03)
[5]一種設(shè)計(jì)層次支持向量機(jī)多類(lèi)分類(lèi)器的新方法[J]. 趙暉,榮莉莉,李曉.  計(jì)算機(jī)應(yīng)用研究. 2006(06)
[6]模式識(shí)別中的支持向量機(jī)方法[J]. 杜樹(shù)新,吳鐵軍.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2003(05)
[7]在數(shù)據(jù)挖掘中基于SOM網(wǎng)絡(luò)的數(shù)據(jù)分析可視化設(shè)計(jì)[J]. 朱家元,張恒喜,虞健飛.  計(jì)算機(jī)應(yīng)用與軟件. 2003(02)

碩士論文
[1]基于腦電Alpha波的BCI電視遙控系統(tǒng)的設(shè)計(jì)與實(shí)驗(yàn)研究[D]. 陳騫.天津大學(xué) 2005
[2]基于腦電Alpha波的腦-機(jī)接口系統(tǒng)設(shè)計(jì)[D]. 高揚(yáng).天津大學(xué) 2004



本文編號(hào)：3495094