基于Adaboost的BCI系統(tǒng)腦電信號(hào)分類.pdf

1、腦機(jī)接口是建立在人腦和外部設(shè)備之間的直接通訊通路。腦機(jī)接口技術(shù)結(jié)合了生物醫(yī)學(xué)、計(jì)算機(jī)信息處理技術(shù)、神經(jīng)科學(xué)以及微電子等多個(gè)領(lǐng)域的最新成果，在近10年的時(shí)間里得到的廣泛的重視研究和發(fā)展。通過對(duì)腦電信號(hào)的研究，腦機(jī)接口BCI(Brain-Computer Systerm)系統(tǒng)已經(jīng)可以被用來解決很多實(shí)際問題。盡管如此，因?yàn)槟X電信號(hào)的不穩(wěn)定性和個(gè)體差異性，找到一種高效的、具有普遍意義的信號(hào)處理和識(shí)別方式是解決問題的關(guān)鍵。本文的主要研究對(duì)象是BC

2、I系統(tǒng)中腦電信號(hào)的處理和識(shí)別方法。通常一個(gè)模式識(shí)別過程可以分為數(shù)據(jù)預(yù)處理、特征提取、特征選擇和降維、以及特征分類幾個(gè)階段。在腦電信號(hào)的預(yù)處理階段使用FIR數(shù)字濾波器和CSP空域?yàn)V波器的方法對(duì)腦電信號(hào)進(jìn)行濾波處理，用主成分分析PCA和偏最小二乘PLS的方法對(duì)腦電信號(hào)的特征向量進(jìn)行降維，用兩種不同的Adaboost分類方法對(duì)提取到的腦電信號(hào)特征向量進(jìn)行分類，同時(shí)用線性判別分寫LDA和支持向量機(jī)SVM的BCI系統(tǒng)經(jīng)典分類方法進(jìn)行分類識(shí)別率的對(duì)