隨著神經(jīng)成像技術(shù)的發(fā)展,借助腦電圖(electroencephalogram,EEG)信號(hào)研究大腦產(chǎn)生各種心理、情緒和感知等高級(jí)功能的原理,能夠提高對(duì)結(jié)構(gòu)精致、性能高效的大腦的認(rèn)識(shí)。然而,EEG具有微弱、隨機(jī)、時(shí)變、強(qiáng)背景噪聲、以及非平穩(wěn)的特點(diǎn),精準(zhǔn)剖析EEG隱含的信息仍舊是一個(gè)亟待解決的問(wèn)題。本文首先研究不同模式與腦區(qū)活躍程度的關(guān)系,通過(guò)溯源分析腦區(qū)的狀態(tài),提高對(duì)大腦的認(rèn)識(shí)。同時(shí),針對(duì)EEG信號(hào)分類(lèi)準(zhǔn)確率低的問(wèn)題,提出了聯(lián)合多節(jié)律信號(hào)與共空間模式(Common Spatial Pattern,CSP)來(lái)提取P300電位特征的方法,最后結(jié)合稀疏表達(dá)等知識(shí)從數(shù)據(jù)分析的角度改進(jìn)分類(lèi)器,提高分類(lèi)準(zhǔn)確率。本文的主要研究工作如下:(1)溯源分析。本研究隨機(jī)選取15名在校學(xué)生作為被試者,記錄在安靜、長(zhǎng)笛、古箏三種音樂(lè)環(huán)境下學(xué)習(xí)過(guò)程中的腦電信號(hào),運(yùn)用偶極子定位法分析信號(hào)源在大腦中可能出現(xiàn)的區(qū)域以及能量的強(qiáng)弱,從而對(duì)腦信號(hào)變化進(jìn)行追蹤。同時(shí),實(shí)驗(yàn)利用電流密度重構(gòu)法分析各個(gè)腦區(qū)的活躍情況,研究任務(wù)態(tài)的不同模式與腦區(qū)活躍程度的關(guān)系。(2)特征工程。當(dāng)人體處于不同的生理狀態(tài)時(shí),在大腦皮層產(chǎn)生的各種節(jié)律信號(hào)的能量也是有差異的。通過(guò)對(duì)EEG信號(hào)的多維有效特征向量如時(shí)域特征、頻域特征、空間特征等研究,本文提出了多節(jié)律EEG信號(hào)與CSP相結(jié)合的頻域空間特征構(gòu)建方法,來(lái)準(zhǔn)確捕獲EEG的模式識(shí)別信息。(3)基于稀疏表達(dá)的分類(lèi)模型。主要負(fù)責(zé)對(duì)特征化的數(shù)據(jù)進(jìn)行建模分析,構(gòu)建多模式的識(shí)別模型,本文利用稀疏表達(dá)作為分類(lèi)模型。其中,彈性網(wǎng)絡(luò)作為約束不僅使得系數(shù)稀疏,而且解決了過(guò)擬合的問(wèn)題,系統(tǒng)的泛化能力也得到提升。實(shí)驗(yàn)結(jié)果將從以下兩個(gè)方面進(jìn)行說(shuō)明:1)通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)音樂(lè)在被試者學(xué)習(xí)過(guò)程中可能有助于提高注意力;2)實(shí)驗(yàn)說(shuō)明本文的方法能獲取EEG有效的模式識(shí)別特征,分類(lèi)效果達(dá)到了90.30%,證明了當(dāng)前檢測(cè)模型的高識(shí)別率。
【學(xué)位單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：R741.044;TN911.7
【部分圖文】：

而中樞神經(jīng)系統(tǒng)或運(yùn)動(dòng)系統(tǒng)受到損傷的病人，如脊髓側(cè)索硬化癥(amyotrophic lateral sclerosis ALS)[17]，脊髓損傷(spinal cord injury, SCI)[18]、肌萎縮(muscular dystrophy, MD)[19]等帶來(lái)福音，為他們提供一種與外界交流或控制外界設(shè)備的新途徑，使患者再次擁有獨(dú)立自主的能力。目前，BCI 系統(tǒng)通常使用緩慢的皮質(zhì)電位(Slow Cortical Potentials, SCPs)[20]、α波和β波[21]等特殊的生理信號(hào)區(qū)分不同的大腦活動(dòng)，進(jìn)而針對(duì)不同模態(tài)的 EEG 信號(hào)輸出不同的類(lèi)別[22]�；趦煞N不同類(lèi)型的運(yùn)動(dòng)想象可能引起兩種類(lèi)別的 EEG 信號(hào)，奧地利格拉茨科技大學(xué)的 Robert Leeb 等人開(kāi)發(fā)出一套通過(guò)左右手運(yùn)動(dòng)想象得到 EEG 信號(hào)并且能夠在線實(shí)時(shí)分析與模式識(shí)別的 BCI 系統(tǒng)[23]。當(dāng)人體產(chǎn)生不同的感覺(jué)、行為、注意等活動(dòng)時(shí)產(chǎn)生的 EEG 信號(hào)是有差異的，通過(guò)對(duì) EEG 信號(hào)的特征構(gòu)建和模式識(shí)別實(shí)現(xiàn) BCI 接口，圖 1.1 說(shuō)明了整個(gè) BCI 系統(tǒng)的組成結(jié)構(gòu)。

由于當(dāng)前把 P300 成分作為具有認(rèn)知活動(dòng)的電生理指標(biāo)，目前已有越者探索 P300 的相關(guān)性質(zhì)以及應(yīng)用前景。例如，如果出現(xiàn)一系列事件，用戶可以通過(guò)選擇關(guān)注一個(gè)事件而忽略其他事件來(lái)進(jìn)行交流。EG 信號(hào)特征構(gòu)建與分類(lèi)識(shí)別 EEG 信號(hào)分類(lèi)系統(tǒng)中，對(duì)采集的 EEG 信號(hào)完成去除噪音等預(yù)處理后有關(guān)信號(hào)處理的部分。通過(guò)從多通道 EEG 信號(hào)中提取相關(guān)神經(jīng)元活，并對(duì)有效特征信號(hào)進(jìn)行模式識(shí)別。如何有效地提取 EEG 信號(hào)的特征特征對(duì)不同狀態(tài)下的腦電信號(hào)進(jìn)行分類(lèi)，是近年來(lái)被研究的越來(lái)越。圖 2.2 說(shuō)明了一個(gè)完整的 EEG 信號(hào)分類(lèi)過(guò)程以及傳統(tǒng)的的特征提識(shí)別方法，下面的小節(jié)將對(duì)其進(jìn)行詳細(xì)介紹。

郵電大學(xué)碩士學(xué)位論文 第 2 章 腦電信號(hào)概找超平面，使所有樣本點(diǎn)在該超平面線性可分，讓相同標(biāo)簽的樣本點(diǎn)間近越好，而不同標(biāo)簽間的距離越遠(yuǎn)越好。這個(gè)超平面使不同類(lèi)別間距離最相應(yīng)的分類(lèi)模型叫做最大間隔分類(lèi)器。目前，利用 SVM 對(duì) EEG 數(shù)據(jù)實(shí)別已經(jīng)普遍運(yùn)用在相關(guān)領(lǐng)域了[69-71]，SVM 的優(yōu)勢(shì)在于能夠解決樣本量很樣本線性不可分等模式識(shí)別問(wèn)題，與神經(jīng)網(wǎng)絡(luò)的差別在于通過(guò) SVM 能夠最優(yōu)解，圖 2.3 是 SVM 算法的示意圖。
【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 宋來(lái)云;黃淑燕;向鋒;鄭小泳;肖攀攀;黃金煥;梁雪玲;李艷容;徐伏蓮;;網(wǎng)絡(luò)成癮者在不同情緒面孔刺激下的持續(xù)注意任務(wù)事件相關(guān)電位與治療轉(zhuǎn)歸的相關(guān)性[J];四川精神衛(wèi)生;2015年04期

2 楊幫華,顏國(guó)正,嚴(yán)榮國(guó);腦機(jī)接口中基于小波包最優(yōu)基的特征抽取[J];上海交通大學(xué)學(xué)報(bào);2005年11期

3 裴曉梅,和衛(wèi)星,鄭崇勛;基于腦電復(fù)雜度的意識(shí)任務(wù)的特征提取與分類(lèi)[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2005年04期

4 胡子;植入式微型芯片[J];中國(guó)醫(yī)療器械雜志;2005年02期

5 何慶華,彭承琳,吳寶明;腦機(jī)接口技術(shù)研究方法[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年12期

6 劉昌，李德明，梅磊;大腦慢電活動(dòng)研究及其進(jìn)展[J];心理學(xué)動(dòng)態(tài);1996年02期

相關(guān)碩士學(xué)位論文 前5條

1 郭芙蓉;基于大鼠皮層微電刺激反饋的閉環(huán)控制系統(tǒng)實(shí)現(xiàn)[D];浙江大學(xué);2017年

2 劉建輝;基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位的腦機(jī)接口系統(tǒng)研究[D];杭州電子科技大學(xué);2016年

3 刁翠霞;面向不均衡數(shù)據(jù)集分類(lèi)的W-SVM模型[D];合肥工業(yè)大學(xué);2012年

4 侯秉文;運(yùn)動(dòng)想象腦機(jī)接口的特征提取與模式分類(lèi)研究[D];西安電子科技大學(xué);2012年

5 賈花萍;基于神經(jīng)網(wǎng)絡(luò)的EEG信號(hào)分類(lèi)方法研究[D];天津師范大學(xué);2009年

本文編號(hào)：2869511