基于OpenVibe平台的运动想象脑电分析研究

论文总字数：22072字

摘 要

脑科学是研究脑功能结构的专业科学，也是21世纪最具挑战性和研究价值的尖端技术之一。“了解大脑”、“保护大脑”和“创造大脑”已成为许多国家以及地区科学技术人员进行脑科学研究的计划和最终目标。近些年来，运动想象脑机接口成为了近几年的研究热门，人们可以通过思维发出命令来控制多种设备。脑计算机接口（BCI），也称为脑机接口（BMI），是一种硬件和软件通信系统，通过使用来自脑电活动生成的控制信号，让人类能够与周围环境相互作用，实现人脑与外界的直接通信而不会受到周围神经和肌肉的影响。这在医疗康复方面有着巨大的潜在价值。脑机接口的关键技术就是正确识别人脑的意图，这就涉及到了模式识别的问题。所以对脑电信号的特征提取和特征分类是相当有必要的。本文针对了2003年脑机竞赛的数据集应用了三种特征提取方法，并成功识别。此外还对实验室的同侧上肢四分类运动想象脑电信号进行了正确的识别。

关键词：脑机接口，多分类，模式识别，深度学习，同侧脑电信号

Abstract

Brain science is a specialized science that studies the functional structure of the brain and is one of the most challenging and research-oriented cutting-edge technologies of the 21st century. “Understanding the brain”, “protecting the brain” and “creating the brain” have become the goals and ultimate goals of brain science research in many countries and regions. In recent years, the motor imaging brain-computer interface has become a hot topic in recent years, and people can issue commands to control multiple devices. Brain Computer Interface (BCI), also known as Brain Computer Interface (BMI), is a hardware and software communication system that enables humans to interact with the surrounding environment by using control signals generated from EEG activities to achieve human brain and Direct communication from outside without being affected by peripheral nerves and muscles. This has enormous potential value in medical rehabilitation. The key technology of the brain-computer interface is to correctly identify the intention of the human brain, which involves the problem of pattern recognition. Therefore, feature extraction and feature classification of EEG signals are quite necessary. In this paper, three feature extraction methods are applied to the dataset of the 2003 brain-computer competition and successfully identified. In addition, the laboratory's same side upper limb four-class motion imaging EEG signals were correctly identified.

KEY WORDS: Brain-computer interface, multi-classification, pattern recognition, deep learning, same side EEG signals

目 录

摘要 I

Abstract II

第一章 绪论 1

1.1引言 1

1.2选题背景以及研究意义 1

1.3运动想象脑电分析的研究现状以及关键问题 3

1.3.1运动想象脑电分析研究现状 3

1.3.2运动想象脑电分析中的关键问题 3

1.4本文的研究内容及结构安排 4

1.4.1本文的研究内容 4

1.4.2本文的结构安排 4

第二章 运动想象研究基础 5

2.1脑电信号的产生及其特点 5

2.1.1脑电信号的产生 5

2.1.2脑电信号的特点 5

2.2运动现象及事件相关去同步/同步 6

2.2.1运动想象 6

2.2.2事件相关去同步/同步 7

第三章 运动想象脑电信号的特征提取以及分类算法 8

3.1运动想象脑电信号的预处理 8

3.2脑电信号的特征提取算法 8

3.3脑电信号的特征分类算法 9

第四章 二分类脑电数据分析处理 12

4.1数据集的选取与描述 12

4.2二分类脑电分析算法 13

4.2.1CSP特征提取方法 13

4.2.2自回归(AR)模型特征提取 14

4.2.3小波变换(WT)特征提取 14

4.2.4AdaBoost特征分类 15

4.3实验结果分析比较 16

第五章 四分类同侧脑电信号分析研究 19

5.1数据集的选取以及描述 19

5.2四分类运动想象脑电分类方案研究 19

5.3四分类脑电分析算法 21

5.3.1PCA降维特征提取 21

5.3.2人工神经网络 21

5.3.3其他算法简述 22

5.4实验结果分析 22

第六章 总结与展望 24

6.1本文工作总结 24

6.2未来工作展望 24

参考文献 25

致谢 26

1. 绪论

1.1引言

人类大脑是一个非常复杂的人体组织，由数亿种不同类型的神经元组成。脑科学是研究脑功能结构的专业科学，也是21世纪最具挑战性和研究价值的尖端技术之一。“了解大脑”、“保护大脑”和“创造大脑”已成为许多国家以及地区科学技术人员进行脑科学研究的计划和最终目标。从20世纪50年代初开始，科学研究逐渐出现交叉与多学科融合的特征，进入新世纪后，这种趋势正在变得越来越明显。应该指出的是，脑科学是一门跨学科的科学。作为保障所有人体器官正常工作的神经中枢，大脑具有结构和功能的高度复杂性。正是因为如此，我们不仅可以从生物学的角度对大脑进行研究，还可以从其他的诸如分子生物学、神经生理学、神经信息学以及其他与大脑相关的领域对大脑进行研究。此外，大脑可以快速地处理信息，这也是由其复杂的生物学特性和结构组织决定的，因此利用综合信息科学和生命科学来研究它是必要的。最近几年，在引进工程学的思想后，便出现了神经工程这一新兴的跨学科项目。将计算机学，物理学，工程学，数学等学科技术应用到神经生物系统的研究中，这其中涉及细胞分子，神经，认知和行为网络等神经工程方面的研究，以期对生物神经系统的机理和结构有更深理解以及对神经系统内更多异常复杂的动态特征进行分析。其目的有两个，一个是分析神经的功能，另一个是为神经系统功能缺失的病提供新的装置与新的康复渠道。与此同时，脑科学研究课可以为人工电子信息系统的研究提供基础，进一步促进和带动下一代智能产业和综合信息技术的发展。近10年以来，在认识到脑科学方面有很大的研究价值和基础应用潜力之后，为了抢占高度的战略地位，许多国家出台了相应的大脑研究计划。2013年，美国首次提出了BRAIN创新计划，以探索人类大脑的行动机制并制定人脑图谱。此后不久，欧盟和日本也纷纷效仿，成立了脑欧洲和脑日本两个计划。中国在《中长期国家科技发展规划纲要》(2006-2020)中制定了关于脑科学的战略规划，并计划启动“脑科学和大脑研究”的大型国家项目。

1.2选题背景以及研究意义

剩余内容已隐藏，请支付后下载全文，论文总字数：22072字