基于穩(wěn)態(tài)子空間分析的運動想象腦電信號研究.pdf

1、運動想象腦電信號是非常典型的非線性，非平穩(wěn)信號。因此，隨著現(xiàn)代信號分析方法的發(fā)展，人們開始利用非平穩(wěn)信號分析方法來提取腦電信號的特征信息。穩(wěn)態(tài)子空間分析是一種新的數(shù)據(jù)處理算法，其目的在于找出多元時間序列中的穩(wěn)態(tài)部分。本文主要針對穩(wěn)態(tài)子空間分析算法進行了改進，分析與研究，并將基于近似熵的特征提取算法與改進的穩(wěn)態(tài)子空間分析算法結(jié)合，應用于基于運動想象的腦-機接口研究中。最后設(shè)計了基于Java.Swing技術(shù)的改進的穩(wěn)態(tài)子空間分析工具箱。

2、r>　?。?）提出了一種改進的穩(wěn)態(tài)子空間分析算法，并應用于基于運動想象的腦-機接口研究中。
　　穩(wěn)態(tài)子空間分析(Stationary Subspace Analysis, SSA)算法在腦電研究領(lǐng)域取得了一定的成效，但目前該算法還不夠完善，腦電數(shù)據(jù)分類誤差還比較大，因此要想更好的研究腦電信號，就必須進一步加強算法優(yōu)化，減少分類誤差。本章提出了一種基于Jensen熵（Jensen-Shannon Divergence，JSD）的穩(wěn)態(tài)

3、子空間分析算法，將 JSD代替原 SSA算法中的KL散度(Kullback-Leibler Divergence, KLD)，對改進后的算法（以下簡稱為JSSA算法）進行了模擬仿真，最后將SSA算法和JSSA算法應用到二類運動想象腦電信號和四類運動想象腦電信號中，對數(shù)據(jù)集進行分類提取，實驗結(jié)果表明，基于JSSA算法比基于SSA算法能使運動想象腦電信號分類效果更加準確，對運動想象腦電研究具有一定的學術(shù)參考價值。
　?。?）將基于近似

4、熵的特征提取算法與改進的穩(wěn)態(tài)子空間分析算法結(jié)合，并應用于基于運動想象的腦-機接口研究中。
　　在目前EEG的近似熵研究中，將其應用在基于運動想象的腦-機接口研究中的報道還非常少，本章將采用近似熵值作為左右手運動想象腦電任務的特征值，對比Graz2003二類運動想象腦電數(shù)據(jù)集的實驗結(jié)果，我們可以得出，基于近似熵為特征可以區(qū)分不同的運動想象腦電任務，最后我們把第三章提到的改進的穩(wěn)態(tài)子空間算法結(jié)合近似熵算法應用到Graz2003二類運動

5、想象腦電數(shù)據(jù)集中，從而驗證了使用JSSA算法可以使運動想象腦電信號的分類結(jié)果更為準確，對未來的腦-機接口領(lǐng)域的發(fā)展具有參考意義。
　?。?）基于Java.Swing技術(shù)的改進的穩(wěn)態(tài)子空間分析工具箱的設(shè)計與實現(xiàn)
　　利用java編程實現(xiàn)改進的穩(wěn)態(tài)子空間分析工具箱，該系統(tǒng)可以對運動想象腦電信號進行穩(wěn)態(tài)子空間分析，并顯示分析結(jié)果。通過驗證證明此系統(tǒng)能夠有效地將平穩(wěn)信號分離出來，并且該工具箱將JSSA算法進行了模塊化，界面化，以方便