發(fā)布時間：2024-06-27 21:38

　　運動想象腦-機接口是一種基于主動想象腦電信號,利用外部輔助設(shè)備實現(xiàn)人腦與計算機或其他電子設(shè)備之間通信與控制通道的技術(shù)。本文研究了BCI系統(tǒng)中的信號處理算法包括濾波算法、特征提取、特征分類。提出了一種新的核函數(shù)相關(guān)向量機分類器。最后完成了在線BCI系統(tǒng)的四旋翼控制實驗。主要研究內(nèi)容如下:(1)分析了巴特沃斯濾波、共同平均參考濾波和拉普拉斯濾波三種EEG信號濾波方法。通過對運動想象腦電信號頻率特征的分析,選擇3-24Hz的巴特沃斯濾波方法去除高頻干擾和噪聲偽跡。設(shè)計了“一對一”共空間模式提取四類運動想象EEG的特征。(2)分析了經(jīng)典的腦電信號的特征分類算法:線性分類器、支持向量機以及人工神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點,針對EEG信號特征,選擇了基于貝葉斯稀疏概率模型的相關(guān)向量機作為運動想象腦電信號的分類算法。(3)對相關(guān)向量機核函數(shù)進行改進,提出了新的核函數(shù)相關(guān)向量機分類器。首先以組合核函數(shù)代替單核核函數(shù)改進了常規(guī)的相關(guān)向量機分類器,實驗結(jié)果表明,組合核函數(shù)相關(guān)向量機分類器較單一核函數(shù)相關(guān)向量機分類器具有更高的分類準確率。而后,針對EEG信號的動力學特征,提出了一種新的混沌核函數(shù)相關(guān)向量機,實驗結(jié)果表明...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖1-1Berger1929年首次記錄的人的腦電波

圖1-1Berger1929年首次記錄的人的腦電波已經(jīng)召開了七次國際BCI會議，對現(xiàn)在的重點做了總結(jié)與討論，并且提出了BCI系科交叉的前沿技術(shù)，腦-機接口技術(shù)已經(jīng)從醫(yī)療康復、家居娛樂和軍事等領(lǐng)域有著廣究是人類在21世紀的前沿科技發(fā)展規(guī)劃中代美國就曾制定了“腦的十....

圖1-2腦-機接口系統(tǒng)組成

第一章緒論領(lǐng)域的應(yīng)用前景也是非常廣闊，腦-機接口技術(shù)增加了未來對軍事武器的操控方式的選擇，對武器智能化的發(fā)展方向有著重要的指導意義，世界上許多國家的軍方對腦-機接口在軍事領(lǐng)域的發(fā)展密切關(guān)注。2013年，一項代號“阿凡達”的研究項目由美國國防部正式向外界公開披露，這個項目的內(nèi)容....

圖2-6最優(yōu)

這樣就利用超平面把樣本分成了兩2.5.2支持向量機SVM是一種常用于分類與回歸分析習模型。它解決問題的主要思路是在輸個超平面與兩類臨近樣本之間的間隔最易分開且不易被分錯。關(guān)于最優(yōu)超平面支持向量b

圖2-7LeNet-5卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

第二章EEG信號處理方法量的原始數(shù)據(jù)長時間學習的基礎(chǔ)上，神經(jīng)網(wǎng)絡(luò)模型的分類準確率能夠很高。但是，它的劣勢是模型的訓練需要很長的時間，并且需要大量數(shù)據(jù)的支持，對樣本數(shù)量小的識別分類效果不理想。一般的運動想象腦電信號受任務(wù)模式與實驗范式的影響（例如，運動想象的實驗范式周期將近1....

本文編號：3995965