基于運動想象的腦機接口特征提取與模式分類方法研究.pdf

1、近些年來，隨著神經科學、信號處理、計算機科學等領域的不斷地深入發(fā)展，作為這些學科的交叉學科——腦機接口，目前已成為了當前國際上科學研究的熱門領域。腦機接口是一種不同于人腦神經與肢體肌肉組織的正常通道，而是通過解析人腦神經活動信息來與外界設備交流的通訊控制系統。由于腦電信號具有幅值微弱、非平穩(wěn)、噪聲干擾強等特點，導致該類信號特征提取與模式分類的復雜性以及構建在線腦機接口系統的困難。經過充分調研與研究，本文采用了對二分類與四分類腦機接口更加

2、有效的特征提取方法，并構建一套基于運動想象的在線足球射門腦機接口系統。
　　本文試圖從分析當前特征提取算法與模式分類算法對腦電信號適應性入手，通過優(yōu)化腦電信號預處理，構建一組特征提取算法與模式分類算法。在二分類腦機接口系統中，首先，針對共同空間模式(Commom Spatial Pattern，CSP)計算過程缺乏頻域信息，且信號中混淆了大量的無關頻率信號。為此本文結合了張量分解，它能夠保留多維數據以及各維數據之間的關聯信息。與此

3、同時，針對提取后的特征分別使用了線性判別分析(Linear Discriminant Analysis，LDA)、支持向量機(Support Vector Machine，SVM)進行分析比較。其次，在四分類運動想象腦機接口系統中，本文采取子帶能量和時域參數的方法，分別采用LDA和SVM兩種分類器，并且在訓練集中選擇取最優(yōu)的參數組合，并應用到四分類的腦機接口系統中。
　　實驗表明，在二分類腦機接口系統中，本文使用的方法平均準確率能