基于時間、頻率和空間域的自發(fā)腦電信號提取.pdf

1、腦-機接口為人們提供了一個全新的與外界交流的通道。近幾年來，基于腦電信號的腦-機接口問題已成為一個研究熱點，然而腦電信號本身非常微弱，容易受到外界干擾的影響，且信號變換因人而異，這些問題都嚴重阻礙了該領域的進一步發(fā)展。論文的主要目的是通過對各種腦電信號數(shù)據(jù)識別，找到一個更加準確、合理的實驗模型來分析腦電信號。論文基于腦神經生理學特征，依據(jù)人體自發(fā)腦電位與思維活動的關聯(lián)性，主要針對當前腦-機接口應用中實際存在的一些問題進行研究，并對一些算

2、法改進。論文進行了如下幾個方面的研究： 首先，論文對常用的一些空間濾波器算法進行對比研究。重點分析了它們降低頭骨影響，更好地突出神經元活動特征的能力。針對兩種主要的空間濾波算法——主成分分析法和盲源分離方法，進行了深入的研究，通過對比它們消除腦電噪音的程度，指出了各自優(yōu)缺點；然后，論文結合拉普拉斯濾波算法和盲源分離方法，實現(xiàn)了HMM-AR模型在腦電頻率變換過程中的狀態(tài)監(jiān)測，提出了腦-機接口實驗數(shù)據(jù)的時間動態(tài)分割算法；再次，論文結

3、合神經生理學知識，對兩類任務分離問題的腦-機接口競爭數(shù)據(jù)進行了詳細的研究，利用公共空間模型算法和支持向量機分離器相結合，實現(xiàn)了機器自動選擇特定的空間濾波器，并有效的實現(xiàn)了兩類任務分離。從而證明了基于支持向量機的公共空間模型算法在兩類任務分離問題上的有效性。然后對公共空間模型算法進行改進，提出了多類任務識別的公共空間模型算法，到達了很好的效果。最后，為了提高腦狀態(tài)分類正確率，論文重點提出了時間—頻率—空間濾波器算法。論文對公共空間濾波器的

4、構造進行了改進，提出了時變公共空聞濾波算法，結合腦電信號頻率特征，論文進一步提出了時間—頻率—空間濾波器算法，該方法通過大量的實驗數(shù)據(jù)證明，具有明顯提高分類識別率的作用。 本論文的特色在于針對當前腦-機接口存在的一系列問題提出解決方案，為腦-機接口系統(tǒng)真正用于人們實際生活奠定基礎。其中的創(chuàng)新點如下： (1)根據(jù)μ和β波的特性，論文結合拉普拉斯濾波算法、獨立成分分析算法和HMM-AR算法實現(xiàn)了腦-機接口數(shù)據(jù)的時域分析。幾種

5、方法的結合能夠識別不同狀態(tài)下，腦電頻率的變換，實現(xiàn)自動區(qū)分“空閑”和“忙碌”兩種腦電信號狀態(tài)。 (2)針對多任務識別問題，對公共空間模型算法進行了改進，提出了一種多類分離的算法。以競爭數(shù)據(jù)包為數(shù)據(jù)源證明了提出的多類分離算法的正確性、可行性，該算法不但能夠提高總的信息傳輸率，而且能夠保證較高的分類正確率。 (3)為了提高分類識別率，提出了一種新的公共空間算法--時變空間濾波算法。該算法中，公共空間濾波器的值不再是常數(shù)，而將

6、隨著時間變化而變化，它能夠有效的提高任務的識別率。 (4)針對減少訓練時間，提高分類穩(wěn)定性的問題，論文提出了時間－頻率－空聞濾波器算法，這個算法是在時變空間濾波算法基礎之上，考慮了頻率的特點，通過簡單連接輸入信號，并進行延時來實現(xiàn)。實驗結果證明了該方法的實用性。 總之，通過以上的工作，論文給出了一整套自發(fā)腦電信號的提取算法，包括嗓音消除、想象運動開始點的識別、腦電信號特征提取以及特征分類。論文研究成果經過國際公開數(shù)據(jù)檢驗