本文關鍵詞：分層向量自回歸的多通道腦電信號的特征提取研究　出處：《自動化學報》2016年08期 　論文類型：期刊論文

  更多相關文章： 腦機接口 腦電信號 分層向量自回歸模型 特征提取 近鄰梯度

【摘要】：有效的特征提取方法能提高腦機接口(Brain-computer interface,BCI)系統對腦電(Electroencephalogram,EEG)信號的識別率.因腦電信號都是多通道的,本文將分層向量自回歸(Hierarchical vector autoregression,HVAR)模型用于腦電信號的特征提取,并結合傳統的線性支持向量機(Support vector machine,SVM)用于腦電信號識別.該模型不僅克服了自回歸(Autoregression,AR)模型只能用來提取單通道特征的局限性,而且不再采用傳統VAR(Vector autoregression)模型所有通道共用一個時滯的處理方法.創(chuàng)新之處在于在傳統的VAR模型基礎上添加正則化思想,有效地壓縮參數空間,實現合理的分層結構.本文首次將HVAR模型用于由Keirn等采集并整理的腦電數據中.實驗結果證明HVAR模型在階數較小的情況下(2階)與階數較大(6階)的AR模型效果相當,可見低階的HVAR能很好地刻畫腦電信號的時空關聯關系,這說明HVAR可能是刻畫EEG信號的一種新穎的方法,這對其他多通道時間序列分析都有借鑒意義.
[Abstract]:Effective feature extraction method can improve the brain computer interface (Brain-computer, interface, BCI) on brain electrical system (Electroencephalogram, EEG) signal recognition rate. Because EEG signals are multi-channel and the hierarchical vector autoregression (Hierarchical vector autoregression, HVAR) model for feature extraction of EEG signal, and combined with the the traditional linear support vector machine (Support vector machine, SVM) for EEG signal recognition. The model not only overcomes the autoregressive (Autoregression, AR) model can only be used to extract the characteristics of single channel limitation, and not by the traditional VAR (Vector Autoregression) method to all channels share a innovation delay. Lies in adding regularization theory based on the traditional VAR model, effectively reduce the parameter space, hierarchical structure to achieve reasonable. This is the first HVAR model will be used by Keirn The EEG data acquisition and consolidation. The experimental results show that the HVAR model in the case of small order (2 order) and the order is large (6 order) equivalent AR model, spatial relationship of visible low order HVAR can well describe the EEG signal, indicating that HVAR may be a a novel method of describing EEG signal, which is of great significance to the analysis of time series of other channels.

【作者單位】： 燕山大學信息科學與工程學院;
【基金】：國家自然科學基金(61473339) 中國博士后科學基金(2014M561202) 河北省博士后專項基金(B2014010005) 首批“河北省青年拔尖人才”項目([2013]17)資助~~
【分類號】：R318;TN911.7
【正文快照】： 通過建立計算機與腦電波之間的聯系從而實現大腦與外界信息的交換已經成為多年的一個研究熱 點[1-2].腦機接口(Brain-computer interface,BCI)是一種新的人機交互方式,只需要通過大腦的活動信號將命令傳給計算機或其他外部設備[3].這種不依賴外圍神經肌肉的通信系統為完全癱

【相似文獻】

相關期刊論文 前10條

1 馬穎穎;張涇周;吳疆;;腦電信號處理方法[J];北京生物醫(yī)學工程;2007年01期

2 謝松云;張振中;楊金孝;張坤;;腦電信號的若干處理方法研究與評價[J];計算機仿真;2007年02期

3 魯強;劉玉軍;徐建蘭;張進祿;;一種適用于清醒動物腦電信號采集的固定裝置[J];首都醫(yī)科大學學報;2011年06期

4 董盟盟;仲軼;徐潔;戴體俊;劉功儉;;基于小波分析的腦電信號處理[J];電子設計工程;2012年24期

5 戴銀濤,吳祈耀;快速提取腦電信號的譜分量參數[J];北京生物醫(yī)學工程;1989年01期

6 孟欣，歐陽楷;腦電信號的幾個非線性動力學分析方法[J];北京生物醫(yī)學工程;1997年03期

7 程明,高上凱,張琳;基于腦電信號的腦—計算機接口[J];北京生物醫(yī)學工程;2000年02期

8 羅建,崔亮,衛(wèi)娜,張治鋼;腦電信號采集與處理系統的研制[J];醫(yī)療衛(wèi)生裝備;2000年06期

9 吳小培,馮煥清,周荷琴,王濤;獨立分量分析及其在腦電信號預處理中的應用[J];北京生物醫(yī)學工程;2001年01期

10 李英遠,周衛(wèi)東;徑向基函數神經網絡在腦電信號建模中的應用[J];山東生物醫(yī)學工程;2002年02期

相關會議論文 前10條

1 王裕清;粱平;郭付清;張登攀;;腦電信號診斷專家系統的研究[A];中國生理學會第21屆全國代表大會暨學術會議論文摘要匯編[C];2002年

2 朱林劍;包海濤;孫守林;梁豐;;新型腦電信號采集方法與應用研究[A];大連理工大學生物醫(yī)學工程學術論文集（第2卷）[C];2005年

3 許濤;朱林劍;包海濤;;基于思維腦電信號的假手的研究[A];提高全民科學素質、建設創(chuàng)新型國家——2006中國科協年會論文集（下冊）[C];2006年

4 李愛新;孫鐵;郭炎峰;;基于人工神經網絡的腦電信號模式分類[A];自動化技術與冶金流程節(jié)能減排——全國冶金自動化信息網2008年會論文集[C];2008年

5 童珊;黃華;陳槐卿;;混沌理論在腦電信號分析中的應用[A];中國生物醫(yī)學工程學會第六次會員代表大會暨學術會議論文摘要匯編[C];2004年

6 李凌;曾慶寧;堯德中;;利用兩級抗交叉串擾自適應濾波器提取誘發(fā)腦電信號[A];中國生物醫(yī)學工程學會第六次會員代表大會暨學術會議論文摘要匯編[C];2004年

7 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯合學術年會論文集（下冊）[C];2007年

8 李麗君;黃思娟;吳效明;熊冬生;;基于運動想象的腦電信號特征提取與分類[A];中國儀器儀表學會醫(yī)療儀器分會2010兩岸四地生物醫(yī)學工程學術年會論文集[C];2010年

9 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];天津市生物醫(yī)學工程學會2007年學術年會論文摘要集[C];2007年

10 魏彬;賈存良;;腦電信號預處理電路的設計[A];中國儀器儀表學會醫(yī)療儀器分會2006年學術年會暨中國儀器儀表學會醫(yī)療儀器分會第三屆第三次理事會論文匯編[C];2006年

相關博士學位論文 前10條

1 彭宏;普適化腦電信息感知關鍵問題的研究[D];蘭州大學;2015年

2 吳玉鵬;AR譜在皮層癇樣腦電信號分析應用[D];河北醫(yī)科大學;2015年

3 吳畏;基于統計建模的多導聯腦電信號時空建模方法研究[D];清華大學;2012年

4 周群;腦電信號同步：方法及應用研究[D];電子科技大學;2009年

5 趙麗;基于腦電信號的腦-機接口技術研究[D];天津大學;2004年

6 李春勝;腦電信號混沌特性的研究與應用[D];東北大學;2011年

7 歐陽高翔;癲癇腦電信號的非線性特征識別與分析[D];燕山大學;2010年

8 繆曉波;基于腦電信號的認知動力學系統研究——線性/非線性方法及動態(tài)時—頻—空分析[D];重慶大學;2004年

9 陳東偉;非線性動力學、因果腦網絡與聚類穩(wěn)定性在腦電信號分析中的應用研究[D];太原理工大學;2015年

10 葛家怡;睡眠分期及低頻磁場睡眠誘導的研究[D];天津大學;2009年

相關碩士學位論文 前10條

1 蔣潔;基于高性能計算的腦電信號分析[D];燕山大學;2010年

2 張志琴;腦電信號的復雜性分析[D];中南大學;2009年

3 許鳳娟;腦電信號采集與分析系統的設計[D];長春理工大學;2011年

4 曹銘;意識障礙患者腦電信號的非線性動力學評價分析[D];杭州電子科技大學;2012年

5 劉玉紅;對稱雙通道腦電信號頻域多分辨分析和相干分析[D];重慶醫(yī)科大學;2008年

6 吳堅;獨立分量分析在腦電信號處理中的應用[D];長安大學;2009年

7 涂建成;腦電信號控制智能輪椅的研究[D];杭州電子科技大學;2011年

8 朱家富;高頻腦電信號的非線性動力學參數分析[D];重慶大學;2004年

9 李婷;獨立分量分析及其在腦電信號噪聲分離中的應用[D];大連理工大學;2005年

10 韓偉;睡眠腦電信號的分析與處理方法[D];西北工業(yè)大學;2005年

，

本文編號：1378586