没有合适的资源?快使用搜索试试~ 我知道了~
基于脑电波的二值判别系统的设计
需积分: 10 8 下载量 81 浏览量
2012-11-08
18:51:49
上传
评论
收藏 2.24MB PDF 举报
温馨提示
试读
52页
本课题主要对听觉刺激诱发的脑电信号进行了分析和处理。首先,进行听觉刺 激诱发脑电信号实验,刺激方案为6个录音问题,受试者做实验时在心里回答“是”或“不是”,利用脑电信号采集系统进行信号采集;其次,对采集到的脑电信号进行预处理,包括滤波、降采样、数据调整、有效数据段段提取等;之后,采用重复刺激信号叠加的方法对听觉诱发电位——P300电位进行信号增强;然后,对叠加后包含P300特征的信号使用共空间模式(CSP)进行特征提取;最后,分别选择了Fisher线性识别和支持向量机(SVM)作为信号分类识别的算法对信号进行分类,达到能根据受试者的P300脑电波判断出受试者回答的是“是”还是“不是”的结果。
资源推荐
资源详情
资源评论
摘要
I
摘 要
脑机接口是一种利用人脑生物电信号实现人脑与计算机或其他电子设备通讯和
控制的系统。患有神经系统脑部疾病如脑血管病、神经系统损失等疾病的人很难与
外界进行直接交流,脑机接口可以通过脑信号帮助这些人向外界传达信息,这为神
经障碍患者与外界进行信息交流提供了一种可行方案。
本课题主要对听觉刺激诱发的脑电信号进行了分析和处理。首先,进行听觉刺
激诱发脑电信号实验,刺激方案为 6 个录音问题,受试者做实验时在心里回答“是”
或“不是”,利用脑电信号采集系统进行信号采集;其次,对采集到的脑电信号进
行预处理,包括滤波、降采样、数据调整、有效数据段段提取等;之后,采用重复
刺激信号叠加的方法对听觉诱发电位——P300 电位进行信号增强;然后,对叠加后
包含 P300 特征的信号使用共空间模式(CSP)进行特征提取;最后,分别选择了
Fisher 线性识别和支持向量机(SVM)作为信号分类识别的算法对信号进行分类,
达到能根据受试者的 P300 脑电波判断出受试者回答的是“是”还是“不是”的结果。
研究结果显示,Fisher 线性识别和支持向量机(SVM)都对 P300 信号有较高的
识别率和识别速度,其中支持向量机(SVM)的识别率更高一些。对 390 组脑电信
号样本进行数据分析,识别正确率能够达到 93.2%,满足了识别性能要求,说明本
课题使用的方法能够用于脑-机接口 P300 信号的研究,这为神经系统障碍者通过脑
机接口与外界进行交流提供了理论支持。
关键词 脑机接口;脑电信号;P300;共空间模式;支持向量机;Fisher 线性判别
ABSTRACT
II
ABSTRACT
Brain Computer Interface (BCI) is the system that can realize the control and
communication between human brain and computer or other electronic equipment by using
bioelectric signal of human brain. People with neuromuscular disorders are difficult to
communicate with the outside world. Brain-computer interface is aiming to help those
people by analyzing patients’ electroencephalogram (EEG).
P300 signal is a kind of common EEG signals used in BCI system. It is a type of
evoked potential which is the specific produced electrical activity produced when the
nervous system accepts certain models stimulus. Because P300 signal occurs in a specific
period, it is relatively easy to be detected and therefore it is suitable for BCI. Using the
BCI system based on P300 signal, a good effect can be reached without special training.
This paper focuses on recognizing P300 signal of the brain when a subject responses
"yes" or "no" to an auditory stimuli question. The recognition makes up of two phases:
signal pretreatment and recognition. We use Common Spatial Pattern (CSP) to extract
P300 signals features. Support Vector Machine (SVM) and Fisher linear recognition are
used in theoretical study and algorithmic realization. At last, each factor making
confluence to the result are comparing and parsing, such as the chosen of algorithm, the
number of leads, etc.
The result shows that SVM and Fisher linear recognition have high recognition rate to
P300 simulation signal, especially SVM; 390 groups of signals are analyzed and the
recognition rate can reach 93.2%. So it can meet the recognition performance requirements.
The high recognition rate and computational simplicity make it a promising method for the
classification task. This study provides the theory basis and the algorithm design basis for
designing BCI equipment for people with neuromuscular disorders.
KEY WORDS BCI; EEG; P300; CSP; SVM; Fisher linear recognition
目录
III
目 录
摘 要………................................................................................................................................................................I
ABSTRACT .......................................................................................................................................................... II
目 录………………................................................................................................................................................. III
第 1 章 绪论................................................................................................................................................... 1
1.1 引言...........................................................................................................................................................1
1.2 脑机接口研究意义 .............................................................................................................................2
1.3 脑机接口研究现状 .............................................................................................................................4
1.4 本课题的研究内容 .............................................................................................................................7
第 2 章 脑机接口原理和实验信号采集 ............................................................................................ 8
2.1 脑机接口基本原理及结构...............................................................................................................8
2.2 脑电信号介绍 .......................................................................................................................................9
2.2.1 脑电信号采集方式....................................................................................................................9
2.2.2 脑电波的分类 .......................................................................................................................... 11
2.2.3 P300 信号介绍........................................................................................................................ 13
2.3 信号采集过程 .................................................................................................................................... 15
2.3.1 被试和实验设计 ..................................................................................................................... 15
2.3.2 实验设备和数据采集............................................................................................................ 16
2.4 本章小结.............................................................................................................................................. 19
第 3 章 脑电信号数据处理 ...................................................................................................................20
3.1 脑电信号的特点和研究方法....................................................................................................... 20
3.2 信号预处理 ......................................................................................................................................... 21
3.3 脑电信号的特征提取算法............................................................................................................ 21
3.3.1 特征提取算法简介................................................................................................................. 21
3.3.2 共空间模式 ............................................................................................................................... 23
3.4 脑电信号的分类和识别算法....................................................................................................... 25
3.4.1 分类算法简介 .......................................................................................................................... 25
3.4.2 支持向量机 ............................................................................................................................... 25
3.4.3 Fisher 线性判别...................................................................................................................... 31
3.5 交叉验证(CROSSVALIDATION)方法 ............................................................................................. 33
目录
IV
3.6 本章小结.............................................................................................................................................. 34
第 4 章 实验数据处理 .............................................................................................................................35
4.1 数据预处理 ......................................................................................................................................... 35
4.2 P300 信号增强 ................................................................................................................................. 37
4.3 数据特征提取 .................................................................................................................................... 38
4.4 分类结果.............................................................................................................................................. 39
4.5 本章小结.............................................................................................................................................. 41
第 5 章 结论与展望..................................................................................................................................43
5.1 全文总结.............................................................................................................................................. 43
5.2 未来工作展望 .................................................................................................................................... 43
参考文献…………................................................................................................................................................45
个人简历……… ...................................................................................................................................................47
致 谢…………….....................................................................................................................................................48
第 1 章 绪论
1
第 1 章 绪论
1.1 引言
大脑又称端脑,是脊椎动物脑的高级的主要部分,由左右两半球组成及连接两
个半球的中间部分,即第三脑室前端的终板组成。它是控制运动、产生感觉及实现
高级脑功能的高级神经中枢
[1]
。大脑是人的身体中高级神经活动中枢,控制着人体
这个复杂而精密的系统,对人脑神经机制及高级功能进行多层次、多学科的综合研
究已经成为当代脑科学发展的热点方向之一。
人的思维、语言、感知和运动能力都是通过大脑对人体器官和相应肌肉群的有
效控制来实现的
[2]
。人的大脑由大约 10
11
个互相连接的单元体组成,其中每个单元
体有大约 10
4
个连接,这些单元体称做神经元。在生物学中,神经元是由三个部分
组成:树突、轴突和细胞体。神经元的树突和其他神经元的轴突相连,连接部分称
为突触。神经元之间的信号传递就是通过这些突触进行的。生物电信号的本质是离
子跨膜流动而不是电子的流动。每有一个足够大的刺激去极化神经元细胞时,可以
记录到一个持续 1-2ERP 的沿轴突波形传导的峰形电位-动作电位。动作电位上升到
顶端后开始下降,产生一些小的超极化波动后恢复到静息电位(静息电位(Resting
Potential,RP)是指细胞未受刺激时,存在于细胞膜内外两侧的外正内负的电位
差)。人的神经细胞的静息电位为-70mV(就是膜内比膜外电位低 70mV)。这个变
化过程的电位是局部电位。局部电位是神经系统分析整合信息的基础。细胞膜的电
特性决定着神经元的电活动
[3]
。当神经元受到外界刺激时,神经细胞膜内外两侧的
电位差被降低从而提高了膜的兴奋性,当兴奋性超过特定阈值时就会产生神经冲动
或兴奋,神经冲动或兴奋通过突触传递给下一个神经元。由上述可知,膜电位是神
经组织实现正常功能的基本条件,是兴奋产生的本质。膜电位使神经元能够接收刺
激信号并将这一刺激信号沿神经束传递下去。在神经元内部,树突的外形就像树根
一样发散,由很多细小的神经纤维丝组成,可以接收电信号,然后传递给细胞体。
如果说树突是树根的话,那么细胞体就是树桩,对树突传递进来的信号进行处理,
如果信号超过特定的阈值,细胞体就把信号继续传递给轴突。轴突的形状像树干,
是一根细长的纤维体,它把细胞体传递过来的信号通过突触发送给相邻神经元的树
突。突触的连接强度和神经元的排列方式都影响着神经组织的输出结果。而正是这
种错综复杂的神经组织结构和复杂的信息处理机制,才使得人脑拥有高度的智慧。
我们的大脑无时无刻不在产生着脑电波,对脑来说,脑细胞就像是脑内一个个“微
小的发电站”。早在 1857 年,英国的青年生理科学工作者卡通(R.Caton)就在猴
剩余51页未读,继续阅读
资源评论
落日彩霞
- 粉丝: 0
- 资源: 2
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功