本文主要研究内容
作者杨国雨（2019）在《振动辅助下脑电信号识别的研究》一文中研究指出：脑-机接口(Brain Computer Interface,BCI)是大脑与外部设备间建立的直接连接通路,是让脑损伤患者与外界进行互动的有效途径。运动想象的脑电信号(Electroencephalogram,EEG)是BCI系统最常用的控制信号。外部诱发刺激通过人体皮肤表面的机械感受器传入的信号传输到大脑运动皮层,成为当前提高BCI识别率的研究热点。本文研究振动辅助能否影响大脑运动皮层的活跃程度,能否提高EEG信号的识别率,主要内容与创新点归纳如下:(1)在信号消噪方面,针对传统的经验模态分解存在的模态混叠现象,以及传统的盲源分离技术得到的各独立源分量顺序不确定,提出了一种基于总体经验模态分解与降噪源分离和近似熵相结合的脑电信号消噪方法。通过仿真数据与真实脑电数据验证了提出方法的有效性。(2)在运动皮层状态分析方面,以事件相关同步/事件相关去同步(Event Related Desynchronization/Event Related Synchronization,ERD/ERS)和运动想象与体感刺激影响α、β节律信号为依据,应用α、β节律信号时域和频域两种ERD量化值作为皮层活跃测量度,对受试者在单一运动想象、不同振动频率辅助下运动想象的脑电信号的皮层活跃度进行分析,对4位受试者的实验数据的分析结果进行统计分析,结果表明振动辅助提高了大脑运动皮层的活跃度,进一步增强了 EEG信号的可分辨性。(3)在特征提取方面,针对传统小波变换的小波基函数的品质因子(中心频率和带宽的比值)不能灵活调节的问题,提出一种基于可调品质因子小波变换和模糊熵的脑电特征提取方法。通过国际BCI竞赛数据验证了本文方法的有效性。(4)在模式分类方面,应用基于粒子群优化的极限学习机分类方法,优化了极限学习机的输入层节点权值和隐含层节点阈值,使得优化后的极限学习机只需要在较少的隐含层节点就可以获得更好的分类效果。(5)在振动辅助下脑电信号识别研究方面,对4位受试者单一运动想象和振动辅助下的运动想象的左右手运动的脑电信号进行了实验研究。研究表明,4位受试者振动辅助下比单一运动想象左右手的平均识别准确率提高了 5%、7%,再一次表明了振动可以提高运动皮层的活跃度,增强EEG信号的可分辨性,进而提高脑电信号的识别率。
Abstract
nao -ji jie kou (Brain Computer Interface,BCI)shi da nao yu wai bu she bei jian jian li de zhi jie lian jie tong lu ,shi rang nao sun shang huan zhe yu wai jie jin hang hu dong de you xiao tu jing 。yun dong xiang xiang de nao dian xin hao (Electroencephalogram,EEG)shi BCIji tong zui chang yong de kong zhi xin hao 。wai bu you fa ci ji tong guo ren ti pi fu biao mian de ji xie gan shou qi chuan ru de xin hao chuan shu dao da nao yun dong pi ceng ,cheng wei dang qian di gao BCIshi bie lv de yan jiu re dian 。ben wen yan jiu zhen dong fu zhu neng fou ying xiang da nao yun dong pi ceng de huo yue cheng du ,neng fou di gao EEGxin hao de shi bie lv ,zhu yao nei rong yu chuang xin dian gui na ru xia :(1)zai xin hao xiao zao fang mian ,zhen dui chuan tong de jing yan mo tai fen jie cun zai de mo tai hun die xian xiang ,yi ji chuan tong de mang yuan fen li ji shu de dao de ge du li yuan fen liang shun xu bu que ding ,di chu le yi chong ji yu zong ti jing yan mo tai fen jie yu jiang zao yuan fen li he jin shi shang xiang jie ge de nao dian xin hao xiao zao fang fa 。tong guo fang zhen shu ju yu zhen shi nao dian shu ju yan zheng le di chu fang fa de you xiao xing 。(2)zai yun dong pi ceng zhuang tai fen xi fang mian ,yi shi jian xiang guan tong bu /shi jian xiang guan qu tong bu (Event Related Desynchronization/Event Related Synchronization,ERD/ERS)he yun dong xiang xiang yu ti gan ci ji ying xiang α、βjie lv xin hao wei yi ju ,ying yong α、βjie lv xin hao shi yu he pin yu liang chong ERDliang hua zhi zuo wei pi ceng huo yue ce liang du ,dui shou shi zhe zai chan yi yun dong xiang xiang 、bu tong zhen dong pin lv fu zhu xia yun dong xiang xiang de nao dian xin hao de pi ceng huo yue du jin hang fen xi ,dui 4wei shou shi zhe de shi yan shu ju de fen xi jie guo jin hang tong ji fen xi ,jie guo biao ming zhen dong fu zhu di gao le da nao yun dong pi ceng de huo yue du ,jin yi bu zeng jiang le EEGxin hao de ke fen bian xing 。(3)zai te zheng di qu fang mian ,zhen dui chuan tong xiao bo bian huan de xiao bo ji han shu de pin zhi yin zi (zhong xin pin lv he dai kuan de bi zhi )bu neng ling huo diao jie de wen ti ,di chu yi chong ji yu ke diao pin zhi yin zi xiao bo bian huan he mo hu shang de nao dian te zheng di qu fang fa 。tong guo guo ji BCIjing sai shu ju yan zheng le ben wen fang fa de you xiao xing 。(4)zai mo shi fen lei fang mian ,ying yong ji yu li zi qun you hua de ji xian xue xi ji fen lei fang fa ,you hua le ji xian xue xi ji de shu ru ceng jie dian quan zhi he yin han ceng jie dian yu zhi ,shi de you hua hou de ji xian xue xi ji zhi xu yao zai jiao shao de yin han ceng jie dian jiu ke yi huo de geng hao de fen lei xiao guo 。(5)zai zhen dong fu zhu xia nao dian xin hao shi bie yan jiu fang mian ,dui 4wei shou shi zhe chan yi yun dong xiang xiang he zhen dong fu zhu xia de yun dong xiang xiang de zuo you shou yun dong de nao dian xin hao jin hang le shi yan yan jiu 。yan jiu biao ming ,4wei shou shi zhe zhen dong fu zhu xia bi chan yi yun dong xiang xiang zuo you shou de ping jun shi bie zhun que lv di gao le 5%、7%,zai yi ci biao ming le zhen dong ke yi di gao yun dong pi ceng de huo yue du ,zeng jiang EEGxin hao de ke fen bian xing ,jin er di gao nao dian xin hao de shi bie lv 。
论文参考文献
论文详细介绍
论文作者分别是来自杭州电子科技大学的杨国雨，发表于刊物杭州电子科技大学2019-05-13论文，是一篇关于脑机接口论文,振动辅助论文,粒子群优化论文,极限学习机论文,杭州电子科技大学2019-05-13论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自杭州电子科技大学2019-05-13论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：脑机接口论文; 振动辅助论文; 粒子群优化论文; 极限学习机论文; 杭州电子科技大学2019-05-13论文;