基于支持向量機的腦電信號識別.pdf

1、腦機接口是在人腦與計算機或其它電子設(shè)備之間建立的直接交流和控制通道，通過這種通道，人就可以直接通過腦來表達想法或操縱設(shè)備，而不需要語言或動作，這可以有效增強身體嚴(yán)重殘疾的患者與外界交流或者控制外部環(huán)境的能力，提高殘疾患者的生活質(zhì)量。腦機接口技術(shù)是一種涉及神經(jīng)科學(xué)、信號檢測、信號處理、模式識別等多學(xué)科的交叉技術(shù)。
　　 本研究主要集中于腦機接口中的數(shù)據(jù)處理和模式識別部分。實驗過程中，實驗對象需要通過腦電信號控制一個屏幕中的想象反應(yīng)

2、條，該反應(yīng)條的運動反映了手部運動想象是向左或向右的，因此需要準(zhǔn)確識別腦電信號與運動方向的關(guān)系。
　　 本文首先對腦機接口的工作原理、基本結(jié)構(gòu)和研究現(xiàn)狀進行了較為詳細(xì)的綜述，指出了目前腦機接口研究和應(yīng)用中存在的問題，介紹了小波特征提取和支持向量機（Support Vector Machine，SVM）分類方法、引入模糊因子的模糊支持向量機（Fuzzy Support Vector Machine，F(xiàn)SVM），然后將上述方法應(yīng)用于方

3、向運動想象實驗的方向識別，并以Graz實驗室方向運動想象實驗為研究對象，采用小波分析方法提取方向運動想象過程中腦電信號的特征，應(yīng)用SVM方法和改進的FSVM對特征向量進行分類，選取了較優(yōu)的小波基函數(shù)和核函數(shù)，繼而對分類結(jié)果的影響進行了討論，將SVM與反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)（Neural Networks，NN）分類器進行了比較，最后討論了樣本集大小對分類器的影響，對分類器的實時性能做出了評估。