模擬閱讀BCI信號空時特征提取與模式識別.pdf

1、隨著認知科學、神經(jīng)科學、電子技術(shù)、計算機科學以及信號處理技術(shù)等的進步,一種新的技術(shù)--腦-機接口,引起了人們的廣泛關(guān)注,為人們提供了一種新的與外界交流的途徑。
　　通常情況下,腦-機接口系統(tǒng)由信號采集、預處理、特征提取、模式識別以及外部控制這幾部分組成。其中,腦電信號的特征提取和模式識別是系統(tǒng)的核心部分,而能否有效的提取出與任務相關(guān)的信號特征影響著分類器的設計和識別性能,也是研究人員面臨的一個重大課題。
　　針對不同個體EE

2、G信號的共同點和差異性,本文提出利用受試者腦電信號的空間信息,使用公共空間算法自動尋找一個最佳的空間過濾方向,針對EEG信號的非穩(wěn)定性,BCI系統(tǒng)的要求以及在線BCI系統(tǒng)的自適應能力,在公共空間算法的基礎(chǔ)上,提出一種在線更新空間濾波模型的方法。最后,通過Matlab開發(fā)環(huán)境實現(xiàn)了基于“模擬自然閱讀”事件相關(guān)電位誘發(fā)模式誘發(fā)產(chǎn)生的腦電信號的預處理、空時特征提取、分類判別。為此,本文的研究內(nèi)容從以下幾個部分來展開:
　　1)獲取基于“

3、模擬自然閱讀”事件相關(guān)電位誘發(fā)模式誘發(fā)產(chǎn)生的腦電信號,建立基于該誘發(fā)模式的腦電信號數(shù)據(jù)集,并對數(shù)據(jù)集進行了重定義參考電位、基線漂移矯正、低通濾波、降采樣以及導聯(lián)選擇的預處理過程。
　　2)根據(jù)“模擬自然閱讀”誘發(fā)的腦電信號特征,選取與作業(yè)任務相關(guān)時間段的EEG信號,使用兩種不同目標表達形式的公共空間算法對信號進行空間特征提取,并對“選取的特征向量個數(shù)”參數(shù)進行尋優(yōu)。結(jié)合分類正確率和執(zhí)行速率進行考慮,發(fā)現(xiàn)基于Rayleigh系數(shù)表示

4、的公共空間算法更有優(yōu)勢。
　　3)在基于Rayleigh系數(shù)表示的公共空間算法的基礎(chǔ)上,結(jié)合Sherman-Morrison-Woodbury矩陣逆公式和不同的次分量提取方案對空間濾波模型進行更新,并對更新前后的投影矩陣的各個投影分量進行比較。
　　4)在對腦電信號進行特征提取之后,使用核函數(shù)為多項式核函數(shù)的υ-SVM分類器進行分類操作。為了得到最佳的分類精度,使用LibSVM軟件包自帶的交互驗證功能,采用Leave-20％