版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著人工智能算法的快速發(fā)展以及醫(yī)療系統(tǒng)的應(yīng)用需求,許多國家和地區(qū)開始建立以大腦為研究核心的腦計(jì)劃項(xiàng)目,腦-計(jì)算機(jī)接口(Brain-Computer Interface,BCI)技術(shù)研究正是腦計(jì)劃項(xiàng)目中的研究熱點(diǎn)之一。BCI系統(tǒng)通過全新的方式建立大腦與外界設(shè)備的連接。根據(jù)獲取腦電誘發(fā)電位的方式不同可將BCI系統(tǒng)分為兩類:基于運(yùn)動(dòng)想象的腦-機(jī)接口系統(tǒng)和基于誘發(fā)電位的腦-機(jī)接口系統(tǒng)?;谶\(yùn)動(dòng)想象的腦-機(jī)接口系統(tǒng)不需要通過與外界交流來獲取誘發(fā)電
2、位,只需要受試者自身的單邊肢體運(yùn)動(dòng)或想象運(yùn)動(dòng),從而在大腦對側(cè)產(chǎn)生相對應(yīng)的事件誘發(fā)電位;基于誘發(fā)電位的腦-機(jī)接口系統(tǒng)主要通過與外界的交流來獲取誘發(fā)電位,一般基于視覺刺激,通過特定頻率的刺激信號誘發(fā)大腦皮層產(chǎn)生相關(guān)電位,典型的誘發(fā)電位主要有P300信號與穩(wěn)態(tài)視覺誘發(fā)電位(Steady-State Visually Evoked Potentials,SSVEP)。
腦-機(jī)接口系統(tǒng)的關(guān)鍵在于有效誘發(fā)信號的獲取以及信號的特征提取,傳統(tǒng)
3、的BCI分類算法主要包括線性判別分析算法(Linear Discriminant Analysis,LDA)及其規(guī)則化算法:逐步線性判別分析算法(Stepwise Linear Discriminant Analysis,SWLDA)、收縮線性判別分析算法(Shrinkage Linear Discriminant Analysis,SKLDA)。SWLDA和SKLDA算法主要解決LDA算法存在的小樣本問題,雖然其能夠在一定程度上改善L
4、DA算法的小樣本問題,但其在充足樣本下的算法識別率無法有效保持。
近年來,隨著深度學(xué)習(xí)算法的發(fā)展,其在圖像處理領(lǐng)域的應(yīng)用已經(jīng)展現(xiàn)出巨大的潛力,對于圖像識別的性能有了質(zhì)的提高。在其他領(lǐng)域,如語音識別、生物醫(yī)學(xué)信號處理等,關(guān)于深度學(xué)習(xí)的研究與應(yīng)用也在不斷深入。本論文基于深度學(xué)習(xí)算法典型模型,主要針對腦電信號中的P300信號進(jìn)行研究;同時(shí)基于SSVEP信號,設(shè)計(jì)并實(shí)現(xiàn)基于OMAP3530的腦-機(jī)接口系統(tǒng)。論文研究成果如下:
5、 1)基于LDA、SWLDA、SKLDA算法,以BCIⅢ競賽數(shù)據(jù)為基礎(chǔ),測試85個(gè)目標(biāo)字符在三種算法下的分類準(zhǔn)確率,可以驗(yàn)證SWLDA算法、SKLDA算法能夠在一定程度上改善小樣本問題,但無法保證充足樣本下的算法分類準(zhǔn)確率。
2)設(shè)計(jì)基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Netwoks,CNN)算法模型,借鑒CNN算法在圖像特征學(xué)習(xí)中的“局部感受野”與“權(quán)值共享”思想,以P300實(shí)驗(yàn)數(shù)據(jù)為基礎(chǔ),不斷進(jìn)行特
6、征學(xué)習(xí)、特征表示以及各隱藏層權(quán)重參數(shù)的優(yōu)化。以185個(gè)目標(biāo)字符作為實(shí)驗(yàn)數(shù)據(jù),得出不同訓(xùn)練字符、不同樣本疊加平均下的分類識別率,并與傳統(tǒng)算法進(jìn)行詳細(xì)對比,分類準(zhǔn)確率有了進(jìn)一步提高,并且隨著樣本數(shù)目的增多算法會有更好的性能。與傳統(tǒng)算法相對比,算法具有更好的泛化能力,對于深度學(xué)習(xí)算法模型與腦-機(jī)接口系統(tǒng)的融合具有重要參考價(jià)值。
3)基于穩(wěn)態(tài)視覺誘發(fā)電位,設(shè)計(jì)并實(shí)現(xiàn)基于OMAP3530的腦-機(jī)接口系統(tǒng)。通過LED視覺刺激器的設(shè)計(jì)以及誘
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號特征提取與分類.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的眼電信號疲勞檢測.pdf
- 基于自發(fā)腦電信號的腦-機(jī)接口的研究.pdf
- 腦電信號分析與多模態(tài)腦機(jī)接口研究.pdf
- 基于腦電信號的腦-機(jī)接口技術(shù)研究.pdf
- 基于想象駕駛行為的腦電信號分析與腦機(jī)接口研究.pdf
- 基于運(yùn)動(dòng)想象腦電信號的腦機(jī)接口相關(guān)算法研究.pdf
- 小波神經(jīng)網(wǎng)絡(luò)用于腦電信號的壓縮.pdf
- 基于多特征腦電信號的聯(lián)合腦—機(jī)接口范式研究.pdf
- 多模態(tài)腦電信號分析及腦機(jī)接口應(yīng)用.pdf
- 基于運(yùn)動(dòng)想象的腦電信號分類與腦機(jī)接口技術(shù)研究.pdf
- 基于混合高斯模型的腦-機(jī)接口系統(tǒng)腦電信號的分類研究.pdf
- 基于大間隔Softmax損失函數(shù)的卷積神經(jīng)網(wǎng)絡(luò)在腦電信號分類中的應(yīng)用.pdf
- 用于腦機(jī)接口的腦電信號數(shù)據(jù)采集系統(tǒng)設(shè)計(jì).pdf
- 基于腦—機(jī)接口的想象運(yùn)動(dòng)腦電信號的分析.pdf
- 腦機(jī)接口中的運(yùn)動(dòng)想象腦電信號分析與處理方法研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號的分析研究.pdf
- 神經(jīng)網(wǎng)絡(luò)在腦電信號分析中的應(yīng)用研究.pdf
- 基于運(yùn)動(dòng)想象腦電信號非線性特性分析的腦-機(jī)接口研究.pdf
- 基于多模態(tài)腦電信號的腦機(jī)接口關(guān)鍵技術(shù)研究.pdf
評論
0/150
提交評論