基于稳态子空间分析的运动想象脑电信号研究

《基于稳态子空间分析的运动想象脑电信号研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、’預令寒＇一＇．■＇－ｉ：片－，：％北Ｖ‘：，Ｈ＾－翁載己一—＇云二：１０２９３密；：片苗单位代码级轉Ｆ；普破基＾＇－一＇．＇－＇＇＇．＇＇；．＇、．＾：‘事‘苗？，＇．、．古．．．ｊ．■，＇．，＇■＊＇！＇＿．．．．．ｊｒ‘＇＇＂於，巾＂嘴．．咬弁著；ｆ＇＇－＇．■■＇ｊ又．ｒ：‘’＇‘■、｜＂，心Ｖ；：一考龙《隹硕女讼Ｊ；‘Ｉ冒憂乂毛．．．．．—Ｖ＇＇＇＇游－巧與Ｐ咬－？＇＂心：，却、：乂＇户巧，＇．＇．’－■．．，义－．衣

2、嘴＇＇．＇Ｖ．巧点．少；＾．若；’＾．户１：＇．．－：一Ｖ？；论文题目：基于稳态子空间分析的运动想象脑电信号研究：■■？１；’．７＾？：＇学‘号１２１３０１２３２８１．姓名巧．．女＞‘’躬夢论．丫，：导师．王俊：；．气；；Ｖ幕’专业学位类别工程硕±、．ｙ訂．．＇＇；．巧？类型全日吿Ｊ专业（领域）电子与通信工程＾＇论文提交日期一，．二零六年二月－；．＇－．ＹＶ：＇＇＾满．宵７

3、嗦，：〇‘Ｉ．！．、‘＇．．：＂．啼Ｖ。‘读為姥，Ｉ＇＇＇＇＇■．甘■入二Ｖｖ＇．ｉ１■ｒ／ｕ相壯：Ｖ：Ｖ，，ResearchofmotorimageryEEGsignalsbasedonStationarySubspacesAnalysisThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByXinZhangSupervisor:Prof.JunWangFe

4、bruary2016摘要运动想象脑电信号是非常典型的非线性，非平稳信号。因此，随着现代信号分析方法的发展，人们开始利用非平稳信号分析方法来提取脑电信号的特征信息。稳态子空间分析是一种新的数据处理算法，其目的在于找出多元时间序列中的稳态部分。本文主要针对稳态子空间分析算法进行了改进，分析与研究，并将基于近似熵的特征提取算法与改进的稳态子空间分析算法结合，应用于基于运动想象的脑-机接口研究中。最后设计了基于Java.Swing技术的改进的稳态子空间分析工具箱。（1）提出了一种改进的稳态子空间分析算法，并应用于基于运动想象的脑-机接口研究中。稳态子

5、空间分析(StationarySubspaceAnalysis,SSA)算法在脑电研究领域取得了一定的成效，但目前该算法还不够完善，脑电数据分类误差还比较大，因此要想更好的研究脑电信号，就必须进一步加强算法优化，减少分类误差。本章提出了一种基于Jensen熵（Jensen-ShannonDivergence，JSD）的稳态子空间分析算法，将JSD代替原SSA算法中的KL散度(Kullback-LeiblerDivergence,KLD)，对改进后的算法（以下简称为JSSA算法）进行了模拟仿真，最后将SSA算法和JSSA算法应用到二类运动想象脑

6、电信号和四类运动想象脑电信号中，对数据集进行分类提取，实验结果表明，基于JSSA算法比基于SSA算法能使运动想象脑电信号分类效果更加准确，对运动想象脑电研究具有一定的学术参考价值。（2）将基于近似熵的特征提取算法与改进的稳态子空间分析算法结合，并应用于基于运动想象的脑-机接口研究中。在目前EEG的近似熵研究中，将其应用在基于运动想象的脑-机接口研究中的报道还非常少，本章将采用近似熵值作为左右手运动想象脑电任务的特征值，对比Graz2003二类运动想象脑电数据集的实验结果，我们可以得出，基于近似熵为特征可以区分不同的运动想象脑电任务，最后我们把

7、第三章提到的改进的稳态子空间算法结合近似熵算法应用到Graz2003二类运动想象脑电数据集中，从而验证了使用JSSA算法可以使运动想象脑电信号的分类结果更为准确，对未来的脑-机接口领域的发展具有参考意义。（3）基于Java.Swing技术的改进的稳态子空间分析工具箱的设计与实现利用java编程实现改进的稳态子空间分析工具箱，该系统可以对运动想象脑电信号进行稳态子空间分析，并显示分析结果。通过验证证明此系统能够有效地将平稳信号分离出来，并且该工具箱将JSSA算法进行了模块化，界面化，以方便更多的人使用，在实际的运动想象脑电研究中起到了重要作用。

8、关键词:稳态子空间分析，脑电信号，JSD，运动想象IAbstractMotorimageryEEGisatypicalnonlinear,non-stationar