基于想象左右手運(yùn)動思維腦電識別分類研究.pdf

1、腦機(jī)接口(Brain Computer Interface，BCI)是一種新型的人機(jī)交互方式，對殘障人士恢復(fù)生活自理能力等領(lǐng)域有著極大的推動作用。腦機(jī)接口有信號采集、信號分析和控制器三個功能模塊，信號分析模塊是腦機(jī)接口中重要模塊。本文采用奧地利格拉茨科技大學(xué)BCI研究小組提供的2008年的BCI競賽數(shù)據(jù)，對左右手運(yùn)動想象腦電信號進(jìn)行分析。
　　本文首先介紹BCI的產(chǎn)生和發(fā)展，較為詳細(xì)地介紹了腦機(jī)接口的研究現(xiàn)狀以及主要研究方法。在信

2、號預(yù)處理方面，本文根據(jù)不同被試的頻譜圖、Alpha頻段能量腦地形圖以及目前的研究成果，確定了著重探究的導(dǎo)聯(lián)以及頻率段。并對腦電信號的事件相關(guān)電位同步/去同步(Event-Related Desynchronization/Synchronization，ERD/ERS)現(xiàn)象進(jìn)行觀測。
　　在特征提取方面，本文受ERS/ERD現(xiàn)象的啟發(fā)，將完整的單次運(yùn)動想象腦電信號分為若干段分別計算其頻譜能量和四階累計量作為特征。針對腦電信號的非線

3、性非平穩(wěn)特性，引入Hurst指數(shù)、相位鎖定值作為特征向量。本文探究了各類特征的優(yōu)缺點(diǎn)，并對單一特征、聯(lián)合特征、主成分分析降維后的特征進(jìn)行分類比較。在模式分類方面，本文介紹了線性判別分析(Linear Discriminant Analysis，LDA)、支持向量機(jī)(Support Vector Machine，SVM)和隨機(jī)森林分類，對所提取的特征進(jìn)行分類實(shí)驗(yàn)，并仔細(xì)地探究了分類器的不同參數(shù)對正確率的影響?？紤]到分類結(jié)果較差，隨后采用經(jīng)

4、過小波包變化、經(jīng)驗(yàn)?zāi)B(tài)分解優(yōu)化后的共空間模式(CommonSpatial Pattern，CSP)提取特征，在ERS/ERD現(xiàn)象并不明顯的情況下，最高分類正確率達(dá)到96.92％，所有被試平均分類正確率達(dá)到了75.72％。
　　本文的創(chuàng)新之處有如下幾點(diǎn):
　　第一，提出了計算相對簡單的事件相關(guān)電位表征曲線;
　　第二，對腦電信號時間分段之后提取能量以及四階累積量特征，引入表征信號長程相關(guān)性的Hurst指數(shù)作為特征，采用隨