学位论文 > 优秀研究生学位论文题录展示

多任务脑—机接口空域滤波与特征提取方法研究

作　者: 马玉慧
导　师: 魏庆国
学　校: 南昌大学
专　业: 信号与信息处理
关键词: 脑-机接口特征提取共空域模式独立分量分析
分类号: TP11
类　型: 硕士论文
年　份: 2010年
下　载: 79次
引　用: 0次
阅　读: 论文下载

内容摘要

较低的信息传输率一直是二进制脑-机接口系统所面临的一个潜在的问题,并严重限制了它在实际生活中的应用。目前提高信息传输率的最有效的方法之一是将二进制的脑-机接口系统拓展到多分类情况。针对以上问题本文采用了两种适用于多分类情况的特征提取算法。一种算法是基于共空域模式(CSP)的多任务特征提取算法。在两分类情况下,CSP算法是一种在基于运动想象的脑-机接口系统中非常有效的特征提取方法。传统的拓展方法OVR算法在本质上仍是一种两分类算法,而本算法是采用基于二次优化的近似联合对角化方法直接对多类任务的协方差矩阵进行联合对角化,得到与各类任务相对应的空间滤波器,提取各类任务的电生理特征——事件相关去同步(ERD)特征。另一种算法是基于独立分量分析(ICA)算法的特征提取方法。独立分量分析算法是一种用于盲源分离的统计方法,本文中采用一种典型的、当前应用较广的FastICA对各类任务提取独立分量并进行特征提取。最后,两种方法中均采用支持向量机对所构造的特征进行分类。将两种算法分别用于三分类和四分类数据的仿真,仿真结果表明,基于联合对角化的CSP算法性能在精确度及稳定性方面都比传统的多分类CSP有很大改善,而应用独立分量分析的算法在多分类情况下也取得了满意的效果。

全文目录

摘要  3-4
ABSTRACT  4-7
第1章绪论  7-14
  1.1 脑-机接口的概念及意义  7-9
    1.1.1 脑-机接口的基本概念  7-8
    1.1.2 脑-机接口的研究意义  8-9
  1.2 脑-机接口系统的结构与分类  9-11
    1.2.1 脑-机接口系统的结构  9-10
    1.2.2 脑-机接口的分类  10-11
  1.3 脑-机接口的研究现状及成果  11-13
  1.4 本论文的主要内容  13-14
第2章脑-机接口信号处理算法的研究  14-29
  2.1 特征提取算法  14-23
    2.1.1 共空域模式  14-19
    2.1.2 独立分量分析  19-23
  2.2 特征分类算法  23-27
    2.2.1 线性判别分析  23
    2.2.2 Fisher判别分析  23-25
    2.2.3 支持向量机  25-27
  2.3 本章小结  27-29
第3章基于二次优化的多类CSP特征提取方法  29-49
  3.1 实验数据  29-32
    3.1.1 实验范例  29-30
    3.1.2 数据采集  30-31
    3.1.3 单次EEG数据的截断  31-32
  3.2 算法的流程  32-40
    3.2.1 预处理  33
    3.2.2 特征提取过程  33-39
    3.2.3 分类  39-40
  3.3 算法结果与分析  40-48
    3.3.1 协方差矩阵的联合对角化结果  40-42
    3.3.2 交叉验证结果的分析  42-45
    3.3.3 联合对角化算法同OVR算法的比较  45-48
  3.4 本章小结  48-49
第4章基于快速独立分量分析的特征提取方法  49-61
  4.1 算法的流程  49-56
    4.1.1 实验数据说明  50
    4.1.2 快速独立分量分析  50-54
    4.1.3 特征定义  54-55
    4.1.4 分类  55-56
  4.2 分类结果与分析  56-59
    4.2.1 独立分量个数的讨论  56-57
    4.2.2 选择不同对比函数G的结果  57-59
    4.2.3 FastICA算法同其他算法的比较  59
  4.3 本章小结  59-61
第5章总结与展望  61-64
  5.1 本文的主要工作  61-62
  5.2 对今后工作的展望  62-64
致谢  64-65
参考文献  65-69
攻读学位期间的研究成果  69

多任务脑—机接口空域滤波与特征提取方法研究

内容摘要

全文目录

相似论文