基于視覺誘發(fā)的P300腦電信號處理算法研究.pdf

1、腦-機接口(brain-computer interface,BCI)是在人腦和計算機或其他電子設(shè)備之間建立的一種直接的信息交流和控制通道,它在醫(yī)療、康復、娛樂乃至軍事領(lǐng)域有廣泛的應用前景?；谝曈X誘發(fā)的P300是一種常見的用于腦-機接口系統(tǒng)的腦電信號。腦電信號作為一種復雜的非平穩(wěn)隨機信號,傳統(tǒng)P300腦電信號處理方法存在疊加次數(shù)多,分類準確度低等。本文對P300腦電信號處理技術(shù)進行研究,主要內(nèi)容如下:
　　 本文首先使用傳統(tǒng)P

2、300腦電處理算法對腦電數(shù)據(jù)處理。采用Butterworth數(shù)字濾波器進行低通濾波,利用最優(yōu)加權(quán)平均疊加算法去除隨機噪聲。從中挑選相對較為標準的P300波形作為匹配用模板,將預處理后的腦電信號波形與標準模板做相關(guān)度的分析,根據(jù)它們互相關(guān)系數(shù)大小實現(xiàn)對字符分類,分類正確率僅為64.52％。為提高字符分類正確率,在原有模板匹配處理P300腦電信號分類的基礎(chǔ)上對其進行改進,最高分類正確率達到77.42％。
　　 由于傳統(tǒng)模板匹配對P3

3、00腦電信號分類只利用了64導聯(lián)數(shù)據(jù)中的其中1導聯(lián)數(shù)據(jù),導致字符分類正確率低。為充分利用多導聯(lián)數(shù)據(jù)分析進一步提高字符分類正確率,本文設(shè)計了一種利用小波變換與支持向量機相結(jié)合方法對P300腦電信號的特征提取和分類。首先使用最優(yōu)加權(quán)平均疊加算法,增加P300腦電信號的信噪比。利用小波分解提取P300腦電信號特征,同時起到了低通濾波與數(shù)據(jù)壓縮的作用,將對P300識別影響較大導10聯(lián)數(shù)作為字符分類輸入,可有效提取P300腦電特征。P300腦電數(shù)

4、據(jù)分類采用支持向量機方法,以少樣本訓練可以達到比較高P300腦電分類正確率。通過RBF核函數(shù)進行交叉驗證計算出最佳參數(shù)訓練模型,MATLAB以及LIBSVM工具仿真驗證,字符預測正確率達到83.87％,明顯優(yōu)于傳統(tǒng)P300腦電處理方法。
　　 本文結(jié)合小波變換與支持向量機對P300腦電信號的特征提取和分類,與傳統(tǒng)的模板匹配算法進行相比,能有效提高P300腦電信號分類的準確率,為實現(xiàn)基于視覺誘發(fā)電位P300的實時BCI系統(tǒng)打下了的