基于運(yùn)動(dòng)想象腦電信號(hào)的腦機(jī)接口相關(guān)算法研究.pdf

1、腦機(jī)接口是一種腦和外界進(jìn)行信息交互的通信接口，在越來(lái)越多的領(lǐng)域得到了廣泛的應(yīng)用，對(duì)其相關(guān)算法的研究已經(jīng)成為重要的研究課題。運(yùn)動(dòng)想象腦電信號(hào)是一種自發(fā)性的信號(hào)，本文將運(yùn)動(dòng)想象腦電信號(hào)作為研究對(duì)象，研究了局部均值分解和差分進(jìn)化算法的不足之處及改進(jìn)方法，并研究了運(yùn)動(dòng)想象腦電信號(hào)的特征提取識(shí)別和最優(yōu)頻帶選擇相關(guān)算法。
　　首先，分析了局部均值分解中存在端點(diǎn)效應(yīng)問(wèn)題的原因，用自延拓的方法進(jìn)行改善。通過(guò)仿真實(shí)驗(yàn)驗(yàn)證，說(shuō)明了該方法能夠有效的減小

2、端點(diǎn)問(wèn)題帶來(lái)的影響。針對(duì)微弱腦電信號(hào)難以提取到有效特征的問(wèn)題，提出多種熵值的運(yùn)動(dòng)想象腦電信號(hào)特征提取方法。采用改進(jìn)的局部均值對(duì)運(yùn)動(dòng)想象腦電信號(hào)分解，得到調(diào)幅-調(diào)頻乘積函數(shù)分量，計(jì)算有效PF分量的能量熵、模糊熵、多尺度熵。以三種熵值作為特征向量，最后使用學(xué)習(xí)矢量量化神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別，實(shí)現(xiàn)對(duì)想象運(yùn)動(dòng)的分類。通過(guò)仿真實(shí)驗(yàn)研究，取得了較好的分類識(shí)別率，說(shuō)明了該方法能夠很好的提取出微弱的運(yùn)動(dòng)想象腦電信號(hào)特征。
　　然后，針對(duì)差分進(jìn)化算法

3、容易出現(xiàn)過(guò)早收斂的問(wèn)題、以及難以設(shè)置最佳參數(shù)的問(wèn)題，提出了基于凸二次函數(shù)的多策略變異算子的變異方法和simgod函數(shù)的交叉因子取值方法。通過(guò)實(shí)驗(yàn)研究分析，驗(yàn)證了提出方法的有效性。
　　最后，針對(duì)個(gè)體差異難以自適應(yīng)的確定個(gè)體最優(yōu)頻帶的問(wèn)題，采用了改進(jìn)的差分進(jìn)化算法進(jìn)行自適應(yīng)的頻帶優(yōu)選。在頻帶選擇系統(tǒng)中，使用共空間模式提取腦電特征，用線性判別分析計(jì)算分類正確率作為為適應(yīng)度，再由差分進(jìn)化算法搜索最佳頻帶。使用3個(gè)數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)