腦機接口中的運動想象腦電信號分析與處理方法研究.pdf

1、腦-機接口（Brain-Computer Interface，BCI）是一種基于腦電信號（Electroencephalogram， EEG）的人機交互方式，它能夠不需要依靠周邊的肌肉和神經(jīng)組織，只依靠腦部信號便可以達(dá)到自由行動及與外界溝通等目的。本文以基于運動想象的腦電信號為研究對象，對EEG信號預(yù)處理、特征提取和模式分類等處理過程進(jìn)行研究。
　　本研究主要內(nèi)容包括：⑴為了減少信號中的噪聲和其它的干擾成分，利用自適應(yīng)的小波閾值去

2、噪算法對采集的腦電信號進(jìn)行處理。實驗采用BCI國際競賽的數(shù)據(jù)集，結(jié)果表明該方法在很大程度上減少了噪聲干擾。⑵由于腦電信號的非線性特點，提出了將改進(jìn)的經(jīng)驗?zāi)B(tài)分解方法與模糊熵算法相結(jié)合的特征提取方法。原始的腦電信號經(jīng)過分解得到若干個固有模態(tài)分量（IMF），然后利用互信息篩選出有用的IMF分量并進(jìn)行重構(gòu)，最后利用模糊熵對其進(jìn)行特征提取，并采用2008年的BCI競賽數(shù)據(jù)驗證算法的特征提取效果。⑶當(dāng)采用支持向量機（SVM）進(jìn)行模式分類時，核參數(shù)

3、g和懲罰因子C的選擇關(guān)系著分類器的性能，利用人工蜂群算法（ABC）優(yōu)化SVM的模型參數(shù)，以增強分類器的分類性能，并對提取的腦電信號特征進(jìn)行模式分類。⑷實驗采用2005年和2008年BCI國際競賽的數(shù)據(jù)集，實驗一對比了ABC算法與傳統(tǒng)優(yōu)化算法的尋優(yōu)性能，證明了ABC算法具有良好的尋優(yōu)性能。實驗二的結(jié)果表明ABC算法優(yōu)化后增強了SVM的分類性能，有效地提高了腦電信號的分類正確率。實驗三利用改進(jìn)的EMD和模糊熵算法進(jìn)行特征提取，然后結(jié)合人工蜂