学海网

毕业设计 基于脑电信号的意识任务的识别方法研究，共41页，21374字
摘 要
脑电(electroencephalogram,EEG)信号是大脑皮层神经细胞群体突触电位的综合反映，其检测和分析是研究人和动物脑神经系统活动状况的重要手段。而脑—计算机接口(Brain Computer Interface BCI)是基于脑电信号的通信系统。
脑－计算机接口(BCI)可以提供一种不依赖于人体外周神经系统及肌肉组织，建立在人与周围环境间信息交流与控制的新型通道。近年来，基于脑电信号（electroencephalogram EEG）的BCI技术已成为康复领域新的研究热点。本文在综述国内外研究现状的基础上对基于脑电信号的意识任务的识别进行了以下几个方面的研究讨论：
(1)提取脑电信号的多个特征量
人脑的EEG活动集中在运动皮层体现为 波(8－12Hz)，集中在视觉皮层表现为 波(18－26Hz)。人在运动或者想象运动的时候都会伴随着 波和 波型的减小，这个减小叫做“事件相关去同步化（‘event-related desynchronization’，ERD）”，并且，这一现象的发生也是根据不同的运动反映在大脑的不同区域的。
因此对信号的来源，产生机理，结构特征等进行分析，运用经典功率谱估计，AR模型功率谱估计峰值及AR模型参数，信号的能量，小波熵等多种方法对信号进行特征提取，并比较其性能。实验表明AR模型功率谱估计的峰值以及信号能量取得了较好的效果。
(3)线性辨别式分析算法及其改进
以线性判别式分析(Linear Discriminant Analysis, LDA)为代表的线性分类算法，只需很少的样本数目就能获得可靠的分类结果。在这里我们将该方法应用于脑电信号的分类中并对其加以改进，用“基于Mahalanobis距离的分类（Mahalanobis distance based classifier, MBDC）方法”对信号特征量进行分类，取得了较好的效果。
关键词：脑—计算机接口，脑电信号，线性判别式分析

目 录
第一章 绪论 1
1.1 课题研究背景及意义 1
1.2 BCI的特征及结构 2
1.3 目前国内外BCI的研究现状 3
1.3.1 BCI中脑电信号的预处理和特征提取 4
1.3.2 BCI中意识任务的分类方法 4
1.4 本文的研究内容 5

第二章 脑电信号的预处理和特征提取方法研究 6
2.1 引言 6
2.2 实验所用脑电信号的背景，结构及特征 6
2.2.1 实验的描述 6
2.2.2 数据的格式 7
2.3 功率谱估计及AR模型参数 8
2.3.1经典功率谱估计 8
2.3.2 参数模型功率谱估计及模型参数 10
2.4 脑信号的事件相关同步性与时间相关去同步性 13
2.5 信号的能量与小波熵 15
2.5.1 提取信号能量作为特征量的理论背景 15
2.5.2小波分析的理论基础 16
2.6 相同步在脑电信号特征提取中的应用 17
2.6.1 将相同步的分析方法应用于脑电信号的理论背景 17
2.6.2 相同步的定义及衡量相同步的算法分析 18
2.6.3 运用相同步进行信号特征提取的方法 21
2.7 实验结果与讨论 21
2.8 本章小结 29
第三章 脑电信号的分类方法研究 30
3.1 引言 30
3.2 线性判别式分析 30
3.2.1 线性判别式分析算法分析 30
3.2.2基于Mahalanobis 距离的分类器（MDBC）算法 31
3.3 支持向量机分类算法 32
3.4 实验结果与讨论 38
3.5 本章小结 39

总结与展望 40
参考文献 41
致谢 44