基于EEG的聽(tīng)覺(jué)腦-計(jì)算機(jī)接口研究.pdf

1、申請(qǐng)上海交通大學(xué)碩士學(xué)位論文基于EEG的聽(tīng)覺(jué)腦計(jì)算機(jī)接口研究論文作者施少杰學(xué)號(hào)1070339086指導(dǎo)教師呂寶糧教授專業(yè)計(jì)算機(jī)應(yīng)用技術(shù)答辯日期2010年1月16日基基基于于于EEG的的的聽(tīng)聽(tīng)聽(tīng)覺(jué)覺(jué)覺(jué)腦腦腦計(jì)計(jì)計(jì)算算算機(jī)機(jī)機(jī)接接接口口口研研研究究究摘摘摘要要要語(yǔ)言是日常生活中人們互相交流的工具，本文從聽(tīng)覺(jué)角度出發(fā)，使用基于EEG的方法研究大腦處理語(yǔ)言的機(jī)制。為此，我們?cè)O(shè)計(jì)了中日文音樂(lè)刺激的實(shí)驗(yàn)，并采集了23人次的腦電數(shù)據(jù)，通過(guò)獨(dú)立成分分析

2、、線性濾波等方法對(duì)信號(hào)進(jìn)行了預(yù)處理，使用基于共空間模式的特征提取算法來(lái)組織特征，并比較了樣本在兩種分類器：神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)上的分類性能。結(jié)果表明支持向量機(jī)具有更好的泛化能力，對(duì)8組實(shí)驗(yàn)數(shù)據(jù)達(dá)到平均82.41%的分類精度。本文首先把模糊積分的方法引入腦電信號(hào)的分析中，對(duì)各個(gè)頻帶提取的特征進(jìn)行積分融合，相對(duì)于直接把各頻帶向量拼接起來(lái)的方法，模糊積分具有更高的分類精度，最高比向量拼接法高8.11%，平均精度達(dá)到86.49%。最后本文使用了

3、無(wú)監(jiān)督的特征表示方法(頻帶對(duì)數(shù)能量法)并結(jié)合生理上的依據(jù)對(duì)數(shù)據(jù)進(jìn)行分析，結(jié)果表明大腦處理語(yǔ)言的相關(guān)腦區(qū)位于大腦左側(cè)顳和額下回位置，腦電信號(hào)上主要與低頻慢皮層電位及高頻Beta、Gamma波相關(guān)。本文主要貢獻(xiàn)在于：首先，設(shè)計(jì)了一組基于聽(tīng)覺(jué)誘發(fā)的語(yǔ)言任務(wù)相關(guān)的腦電實(shí)驗(yàn)，收集了大量不同種類的音樂(lè)作為刺激信號(hào)，并采集了一定數(shù)量的連續(xù)腦電信號(hào)；其次，采用基于共空間模式的特征提取、MLP和SVM的分類算法對(duì)數(shù)據(jù)進(jìn)行分析，特別是首先在腦電信號(hào)分析中引