【摘要】：針對(duì)穩(wěn)態(tài)視覺(jué)誘發(fā)電位(steady state visual evoked potential,SSVEP)范式下腦電信號(hào)(electroencephalograph,EEG)信噪比低、限制其識(shí)別正確率提高及腦-機(jī)接口應(yīng)用等問(wèn)題,根據(jù)EEG隨機(jī)性、近似平穩(wěn)的特點(diǎn),提出了用于SSVEP特征頻率提取的同步壓縮短時(shí)傅里葉變換方法。該方法利用短時(shí)傅里葉變換對(duì)EEG進(jìn)行時(shí)頻分析,并通過(guò)同步壓縮變換對(duì)時(shí)頻平面的能量在頻率方向進(jìn)行重新分配,獲得頻率曲線(xiàn)更加集中的時(shí)頻表達(dá);同時(shí)為提高EEG信噪比,提取SSVEP腦電中特征頻率附近信號(hào)進(jìn)行重構(gòu),并利用典型相關(guān)分析進(jìn)行分類(lèi)識(shí)別,有效提高了最終識(shí)別正確率。仿真和實(shí)驗(yàn)結(jié)果表明,該方法極大地提高了信號(hào)的信噪比,具有良好的抗噪聲性能和信號(hào)提取精度,且與傳統(tǒng)的經(jīng)驗(yàn)?zāi)B(tài)分解和常規(guī)濾波方法相比,該方法平均識(shí)別正確率最多分別提高了9.98%和4.38%,平均信息傳輸率最多分別提高了7.57bit/min和2.69bit/min,有效提高了SSVEP范式下腦-機(jī)接口的工作性能。
[Abstract]:In view of the problem of low signal-to-noise ratio (SNR) of EEG signal (electroencephalograph,EEG) under steady-state visual evoked potential (steady state visual evoked potential,SSVEP) paradigm, which limits the improvement of recognition accuracy and the application of brain-computer interface, according to the randomness of EEG, it is approximately stable. A method of synchronous compression short time Fourier transform (STFT) for SSVEP feature frequency extraction is proposed. In this method, the time-frequency analysis of EEG is carried out by using short-time Fourier transform, and the energy of time-frequency plane is reallocated in the direction of frequency by synchronous compression transformation, and a more concentrated time-frequency representation of the frequency curve is obtained. In order to improve the signal-to-noise ratio (SNR) of EEG, the signal near the characteristic frequency in SSVEP EEG is extracted for reconstruction, and the canonical correlation analysis is used for classification and recognition, which effectively improves the accuracy of the final recognition. Simulation and experimental results show that the proposed method greatly improves the signal-to-noise ratio (SNR) of the signal, and has good anti-noise performance and signal extraction accuracy, and is compared with the traditional empirical mode decomposition and conventional filtering methods. The average recognition accuracy is increased by 9.98% and 4.38% respectively, and the average information transmission rate is increased by 7.57bit/min and 2.69 bit / min, respectively, which can effectively improve the performance of BCI under SSVEP paradigm.
【作者單位】： 西安交通大學(xué)機(jī)械工程學(xué)院;西安交通大學(xué)現(xiàn)代設(shè)計(jì)及轉(zhuǎn)子軸承系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(51275388)
【分類(lèi)號(hào)】：R318;TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前8條

1 鐘敏;陳文靜;蔣模華;;S變換輪廓術(shù)中消除條紋非線(xiàn)性影響的方法[J];光學(xué)學(xué)報(bào);2011年11期

2 武國(guó)寧;曹思遠(yuǎn);馬寧;劉建軍;;S變換的時(shí)頻分析特性及其改進(jìn)[J];地球物理學(xué)進(jìn)展;2011年05期

3 譚為民,彭東林,郭小渝;三種典型信號(hào)處理方法淺析[J];測(cè)控技術(shù);2003年06期

4 鄭彩云;馬雪飛;張可;章佳榮;喬鋼;;基于短時(shí)傅里葉變換的水聲OFDM時(shí)間同步方法[J];聲學(xué)技術(shù);2013年03期

5 鄧家梅,王健,曹家麟,馬世偉;被加型噪聲污染的信號(hào)的線(xiàn)性時(shí)頻表示[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);1998年04期

6 諶秋菊;陳文靜;鐘敏;蘇顯渝;;提高S變換輪廓術(shù)測(cè)量精度的方法[J];光學(xué)學(xué)報(bào);2013年06期

7 李宏斌;徐楚林;溫周斌;;基于短時(shí)傅里葉變換的異常音檢測(cè)方法[J];聲學(xué)技術(shù);2014年02期

8 ;[J];;年期

相關(guān)會(huì)議論文 前1條

1 吳愛(ài)弟;牟永光;曹思遠(yuǎn);;正交小波包的時(shí)頻分析[A];1994年中國(guó)地球物理學(xué)會(huì)第十屆學(xué)術(shù)年會(huì)論文集[C];1994年

相關(guān)博士學(xué)位論文 前1條

1 紀(jì)躍波;多分辨時(shí)頻分析理論與多功能時(shí)頻分析系統(tǒng)的研究[D];重慶大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 壽超駿;短時(shí)傅里葉變換處理超聲信號(hào)診斷脂肪肝[D];浙江工商大學(xué);2015年

2 孫麗華;非線(xiàn)性L(fǎng)amb波的測(cè)量與定量表征[D];南京郵電大學(xué);2015年

3 鄭武;短時(shí)傅里葉變換在火成巖裂縫中的測(cè)井評(píng)價(jià)方法研究[D];吉林大學(xué);2016年

4 馮愛(ài)玲;基于短時(shí)傅里葉變換的胎心率檢測(cè)算法與實(shí)現(xiàn)[D];廣東工業(yè)大學(xué);2014年

5 周丹;短時(shí)傅里葉變換和提升小波變換在脈象信號(hào)分析中的應(yīng)用[D];重慶大學(xué);2008年

6 林楊;多普勒穿墻雷達(dá)的系統(tǒng)設(shè)計(jì)和信號(hào)處理[D];電子科技大學(xué);2013年

7 吳乃玉;基于EEG信號(hào)的情緒分類(lèi)研究[D];中央民族大學(xué);2013年

8 項(xiàng)紅亮;光子多普勒速度測(cè)量系統(tǒng)的數(shù)據(jù)處理方法[D];北京交通大學(xué);2012年

9 彭輝燕;基于HHT的故障診斷時(shí)頻分析[D];電子科技大學(xué);2010年

10 徐飛;基于小波變換的爆破振動(dòng)信號(hào)分析方法及應(yīng)用研究[D];安徽理工大學(xué);2011年

，

本文編號(hào)：2340210