2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、腦-計算機(jī)接口(BCI)技術(shù)是不依賴于正常腦外周神經(jīng)和肌肉的響應(yīng)通道的人腦與計算機(jī)交流和控制通道。腦機(jī)接口的一個重要用途是為那些思維正常但存在嚴(yán)重運動障礙的患者提供語言交流和環(huán)境控制途徑,提高其生存質(zhì)量。腦機(jī)接口技術(shù)在工業(yè)、航空、軍事等領(lǐng)域也有潛在的實用價值。 本文研究了采用小波變換提取強(qiáng)噪聲背景下慢皮層電位SCP的方法。根據(jù)SCP信號及背景噪聲不同的時頻分布特征,設(shè)計了小波時頻濾波器,結(jié)合少次的累加平均,有效地提高信噪比。模式

2、識別部分是腦機(jī)接口的系統(tǒng)的核心部分也是本論文的主要內(nèi)容,其中包括特征提取和分類兩部分。本文提出了三種特征提取方法:①基于小波變換的特征向量提取;②基于AR模型的特征向量提?。虎刍贙-L變換的特征向量提??;并對三種方法作了比較,同時,采用線性判別法fisher準(zhǔn)則分別對以上三種特征向量進(jìn)行分類。實驗表明,采用小波變換法所得到的的特征向量結(jié)合基于fisher線性判別準(zhǔn)則的識別方法來識別皮層慢電位,產(chǎn)生腦機(jī)接口的控制信號,相對其它幾種特征提

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論