多任务运动想象脑电信号分类算法研究

多任务运动想象脑电信号分类算法研究

论文摘要

随着社会智能化需求的不断演进,脑-机接口的应用范围已不再局限于医疗临床辅助康复领域,更是扩展到工业,军事乃至生活的方方面面,为脑-机交互甚至人工智能领域开辟了全新局面。但由于人的脑电信号(Electroencephalogram,EEG)的非线性和非平稳等特点使其难以被解析,处理结果也依据不同受试者的特异性而表现得不稳定。基于此,为了提升运动想象脑电模式识别的精度和可靠性,本文针对二类和四类脑电任务设计了两种基于运动想象脑电模式识别的方法。1.对于二分类脑电识别任务,首先,利用可调Q因子小波变换(Tunable Q-factor Wavelet Transform,TQWT)方法对EEG进行分解,得到信号的子频带便于后续特征计算;其次,为了模拟在线信号处理环境,对运动想象EEG进行加窗处理,将小波系数能量和自回归模型(Autoregressive model,AR)作为时-频特征,分形维数作为非线性特征;最后通过线性判别分析(Linear Discriminant Analysis,LDA)分类器来对脑电特征进行分类,采用识别率和互信息作为分类器评价指标。使用BCI2003和BCI2005竞赛数据对左右手两类运动想象脑电分类任务的脑电信号进行识别,实验结果得出最高识别率88.11%,最大互信息0.95。高于近期使用相同数据集的其他文献结果。2.对于四分类脑电识别任务,首先,为了找到每名受试者不同的ERD/ERS表现最佳时间,将脑电信号进行滑动窗处理,随后利用互相关(Cross-Correlation,CC)方法采用“一对其余”的策略对EEG计算互相关序列得到样本特征,为了在降低特征维度的同时保留序列的特性,使用统计学特征均值,中位数,众数,标准差,最大值和最小值对序列特征降维,组成特征向量;最后,分别用多类线性判别(Multiple Discriminant Analysis,MDA)、朴素贝叶斯(Na?ve Bayes,NB)、支持向量机(Support Vector Machines,SVM)、和决策树(Decision Trees,DT)四种分类器对脑电特征进行分类,采用识别率和kappa系数作为分类器评价指标。使用BCI2008竞赛数据对左手/右手/双脚/舌四类运动想象脑电分类任务的脑电信号进行识别,实验结果得出最高识别率86.6%,最高kappa系数0.87。为运动想象脑电任务在线分类应用提供了可能性。综上所述,本文不仅针对经典的二分类脑电识别任务进行了算法设计,并取得了可信的分类结果,另外,考虑到分类算法在实际应用中的可拓展性,还设计了四分类脑电识别任务的模式识别算法,此算法在理论上完全可以拓展到多分类脑电识别任务中,为多任务BCI系统的开发提供了解决思路。

论文目录

  • 摘要
  • abstract
  • 第1章 绪论
  •   1.1 脑-机接口的研究背景及意义
  •   1.2 脑-机接口的研究现状
  •   1.3 目前存在的问题
  •   1.4 本文的主要研究内容
  • 第2章 运动想象脑电信号概述
  •   2.1 脑电信号的采集
  •     2.1.1 脑电信号的产生机理和组成
  •     2.1.2 脑电信号的采集和电级安放
  •   2.2 事件相关去同步和同步化
  •     2.2.1 事件相关去同步和同步化的产生机理
  •     2.2.2 运动想象的ERD/ERS现象
  •   2.3 评价方法
  •   2.4 本章小结
  • 第3章 左右手运动想象脑电模式研究
  •   3.1 实验数据来源与数据预处理
  •   3.2 可调Q因子小波变换算法
  •   3.3 特征提取与特征选择
  •     3.3.1 时域特征—小波系数能量
  •     3.3.2 频域特征—AR系数
  •     3.3.3 分形维数特征
  •   3.4 运动想象脑电模式分类
  •     3.4.1 分类器的选择及评价标准
  •     3.4.2 实验结果及分析
  •   3.5 本章小结
  • 第4章 四类运动想象脑电模式研究
  •   4.1 实验数据来源与数据预处理
  •   4.2 特征提取与特征选择
  •     4.2.1 CC算法
  •     4.2.2 六种统计学特征
  •   4.3 运动想象脑电模式分类
  •     4.3.1 分类器的选择及评价标准
  •     4.3.2 实验结果及分析
  •   4.4 本章小结
  • 第5章 总结与展望
  •   5.1 全文总结
  •   5.2 前景展望
  • 参考文献
  • 作者简介及科研成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 王晓旭

    导师: 陈万忠

    关键词: 脑机接口,脑电信号,运动想象,可调因子小波变换,互相关序列

    来源: 吉林大学

    年度: 2019

    分类: 基础科学,医药卫生科技,信息科技

    专业: 生物学,生物医学工程,电信技术

    单位: 吉林大学

    分类号: R318;TN911.7

    总页数: 59

    文件大小: 3190K

    下载量: 321

    相关论文文献

    • [1].基于小波分析的运动想象脑电信号分类算法[J]. 金陵科技学院学报 2019(04)
    • [2].运动想象脑机接口中两种改进的脑电共空域模式特征提取方法[J]. 电子测量与仪器学报 2019(12)
    • [3].基于运动想象疗法引导的康复训练对脑卒中后吞咽障碍患者的疗效[J]. 湘南学院学报(医学版) 2020(01)
    • [4].运动想象的机理研究与应用综述[J]. 计算机工程与应用 2020(10)
    • [5].运动想象疗法结合音乐对卒中后偏瘫患者步行功能、生活质量的影响[J]. 现代实用医学 2020(04)
    • [6].分级运动想象疗法联合常规作业治疗对偏瘫患者生存质量的影响[J]. 中国当代医药 2020(24)
    • [7].运动想象的大尺度动态功能网络连接[J]. 中国生物医学工程学报 2019(04)
    • [8].针刺、推拿联合运动想象疗法对脑卒中偏瘫患者肢体功能的影响[J]. 生物医学工程学进展 2016(04)
    • [9].运动想象疗法对早期脑梗死患者康复治疗有效性的研究[J]. 中国卫生标准管理 2017(04)
    • [10].探讨运动想象疗法对脑卒中偏瘫患者平衡功能恢复的影响[J]. 中国卫生标准管理 2017(09)
    • [11].运动想象疗法对脑卒中偏瘫患者上肢运动功能恢复的影响[J]. 中国高等医学教育 2017(08)
    • [12].针灸联合运动想象疗法对脑卒中偏瘫患者康复进程的作用分析[J]. 中医临床研究 2016(03)
    • [13].运动想象疗法在脑卒中偏瘫患者下肢功能康复治疗中的效果观察[J]. 健康之路 2017(10)
    • [14].运动想象疗法的应用研究进展[J]. 按摩与康复医学 2015(15)
    • [15].立体针刺结合运动想象疗法对脑卒中恢复期运动功能障碍的影响[J]. 中国康复 2020(01)
    • [16].心理旋转实验在脑卒中患者运动想象能力评估中的应用[J]. 中国康复医学杂志 2020(10)
    • [17].结合运动想象和动作观察的伸-握动作识别方法[J]. 西安交通大学学报 2019(10)
    • [18].运动想象在卒中患者康复治疗中的应用研究进展[J]. 现代医药卫生 2019(20)
    • [19].基于脑电和眼电的运动想象多尺度识别方法研究[J]. 电子学报 2018(03)
    • [20].基于小波包变换的右手和脚运动想象任务分类[J]. 中国医疗器械杂志 2017(03)
    • [21].运动想象疗法对缺血性脑卒中患者下肢平衡能力的影响[J]. 哈尔滨医药 2016(04)
    • [22].运动想象训练对急性缺血性脑卒中患者的影响[J]. 华夏医学 2015(03)
    • [23].运动想象疗法在疗养院脑卒中偏瘫康复训练中的应用[J]. 中国民间疗法 2013(01)
    • [24].运动想象疗法在脑卒中偏侧忽略训练中的应用[J]. 中国康复理论与实践 2013(02)
    • [25].运动想象疗法在冠心病介入治疗患者心脏康复中的应用[J]. 中国当代医药 2013(14)
    • [26].运动想象疗法联合改良亲情护理干预对脑卒中偏瘫患者负性情绪及生活质量的影响[J]. 黑龙江医药科学 2019(06)
    • [27].基于多模式辅助刺激的运动想象电位特征调制[J]. 天津职业技术师范大学学报 2018(03)
    • [28].运动想象疗法对脑卒中偏瘫患者上肢功能恢复的影响观察[J]. 中国继续医学教育 2016(33)
    • [29].运动想象疗法结合强化运动治疗对脑卒中偏瘫上肢功能恢复的影响分析[J]. 双足与保健 2017(13)
    • [30].病房-家庭式运动想象康复训练技术对脑卒中大脑可塑性影响[J]. 中国康复医学杂志 2016(04)

    标签:;  ;  ;  ;  ;  

    多任务运动想象脑电信号分类算法研究
    下载Doc文档

    猜你喜欢