多类运动想象脑电信号识别及其在BCI中的应用研究

论文摘要

随着科技发展和时代进步,脑-机接口技术正获得越来越多的关注。基于运动想象的脑-机接口系统通过解析运动想象脑电信号,可将大脑发出的运动意图作为控制指令直接控制外部设备,从而使运动功能缺失的人群具备行动能力。作为脑-机接口系统的关键环节,多类运动想象脑电信号的准确解析具有重要的意义。为实现对不同肢体的运动控制,并进一步的实现对单关节不同运动类型的控制,在传统四分类运动想象的基础上设计了肩关节三类运动想象实验范式。针对肩关节三类运动想象,提出了基于AF-CSP和孪生支持向量机的脑电信号识别方法。为扩大运动想象的控制范围,克服脑电信号的维度灾难,提出了基于黎曼流形的适用于不同肢体多类运动及单关节的SJ-GDA降维方法及决策树分类框架。主要研究内容如下:（1）运动想象实验范式研究。根据当前研究内容多基于数据集2和数据集3的不同肢体运动想象展开,本文设计了右肩关节前屈、后伸和外展三类运动想象实验范式。实验采集七名被试者脑电信号作为数据集1,采用共平均参考对原始脑电信号进行空间滤波,根据脑电信号的频谱特性分析与运动想象相关的频带范围。（2）脑电信号特征提取方法研究。（1）针对肩关节三类运动想象,提出基于AF-CSP的肩部三类运动想象特征提取方法。采用本征模态函数分析脑电信号中所包含的幅频域信息,筛选与运动想象相关的幅频域信息取代时域信号输入共空间模式,提高共空间模式特征提取能力。（2）针对脑电信号维度灾难问题,提出基于黎曼流形的数据降维方法SJ-GDA。运用半监督联合互信息对高维特征向量排序,采用广义判别分析对截取的高维特征向量降维,最后联合构造特征向量。通过数据集对比分析了SJ-GDA、半监督联合互信息和广义判别分析所呈现的特征分布趋势,验证了方法的有效性。（3）运动想象分类研究。（1）提出基于第二代非支配排序进化算法的孪生支持向量机解决肩关节三分类问题。对比第二代非支配排序进化算法优化孪生支持向量机、网格搜索优化孪生支持向量机、最小二乘支持向量机、粒子群优化支持向量机、BP神经网络及极限学习机,证明本文所提方法的优越性。（2）提出可与多种分类器结合的决策树分类框架解决多分类问题。对比分析决策树分类框架对分类器分类性能的提高程度。将决策树分类框架与K最近邻方法结合,在三种数据集上均取得较高的分类结果。此外,由于决策树分类框架可与不同分类器相结合,因此具有较大的推广意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 课题的背景及研究目的和意义
•   1.2 课题国内外研究进展综述
•     1.2.1 BCI系统国内外发展现状
•     1.2.2 EEG信号处理方法国内外研究进展
•     1.2.3 国内外发展现状简析
•   1.3 本文的主要研究内容及技术路线
• 第2章 脑电信号采集系统及预处理方法
•   2.1 脑电信号的基础知识
•   2.2 数据集介绍
•     2.2.1 数据集1
•     2.2.2 数据集2
•     2.2.3 数据集3
•   2.3 脑电信号预处理方法
•     2.3.1 共平均参考
•     2.3.2 Butterworth带通滤波器
•   2.4 本章小结
• 第3章 运动想象EEG信号特征提取
•   3.1 基于AF-CSP方法的特征提取研究
•     3.1.1 经验模态分解
•     3.1.2 共空间模式
•     3.1.3 基于AF-CSP的EEG信号特征提取
•   3.2 基于SJ-GDA方法的特征提取研究
•     3.2.1 黎曼流形
•     3.2.2 半监督联合互信息
•     3.2.3 广义判别分析
•     3.2.4 基于SJ-GDA的EEG信号特征提取
•   3.3 本章小结
• 第4章 运动想象分类器研究
•   4.1 基于NSGA-Ⅱ和TWSVM的分类方法研究
•     4.1.1 孪生支持向量机
•     4.1.2 基于NSGA-Ⅱ的TWSVM参数优化
•     4.1.3 基于AF-CSP和TWSVM的分类结果
•   4.2 基于决策树框架的分类方法研究
•     4.2.1 决策树框架
•     4.2.2 基于DT和FGMDRM的分类方法
•     4.2.3 基于DT-FGMDRM的分类结果分析
•     4.2.4 基于DT-KNN的分类方法
•     4.2.5 基于SJ-GDA和DT-KNN的识别结果分析
•   4.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文及其它成果
• 致谢

文章来源

类型: 硕士论文

作者: 赵凯

导师: 关山

关键词: 脑机接口,运动想象,脑电,黎曼流形,孪生支持向量机,决策树

来源: 东北电力大学

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: 东北电力大学

分类号: R318;TN911.7

总页数: 72

文件大小: 5451K

下载量: 278