基于运动想象的脑电信号特征提取与分类方法研究

《基于运动想象的脑电信号特征提取与分类方法研究》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、ｒ｜Ｊ：１ｊ，分类号卢：密级／？ｒ咬太原理工大学省乂ｒ、；一＾＞＾－、ｗ‘遠、、＇頭‘、＇、．：进ＷＬ硕±学位论支＇■■／一．目基于运动想象的脑电倍号特征描化与分类方法师究‘＿户题■ＩＩＩＬ＾－Ｒ，ｅｓｅａｒｃｈｏｎＥＥＧＦｅａ山ｒｅＥｘｔｒａｃｔｉｏｎａｎｄＣｌａｓｓｉｆｉｃａｔｉｏｎＢ化ｅｄＩ英文并歹。题目ｏｎＭｏｖｅｍｅｎｔＩｍａｇｉｎａｔｉｏｎ巧，赵利民手研究生姓名：学号：—星莖型遂一，

2、苦＇．计其机科学与技术．：皆（ｔ：！，专Ｙ＾．０衙破巧究方向．脑电信号处理广＇，心也短即１导师姓名：朱晓军．，／；强－耳只称？ｊ教授Ｉ「＇山；＇１＾论文提巧日期地址ｐ＾太巧理工大単Ｍ－ｆｅ＃－％鋼声明本人郑重声明：所呈交的学位论文，，是本人在指导教师的指导下独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含其它个人或集体己经发表或撰写过的科硏成果。对本文的研究做出重要贡献的个人和集体ｋＸ明确方式标明。本声明的法律责

3、，巧己在文中任由本人承担。冰養：论女作者签名：卷、艮日期关于学位论文使用权的说明本人完全了解太原理工大学有关保管、使用学位论文的规定，其中包括；贷学校有权保管、并向有关部口送交学位论文的原件与复印件；③学校可１＾：｜采用影印、缩印或其它子复制手段复制并保存学位论文；③学校可允许学位论文被查阀或借阅；？学校可ｋ乂学术交流为目的，复制赠送和交换学位论文；贷学校可从公布学位论文的全部或部分内容（保密学位论女在解密后遵守此规定）。如＇若、（乃签名：赵冰１Ｋ曰期：立善化导师签名：木蔽日期：太原理工大

4、学硕士研究生学位论文基于运动想象的脑电信号特征提取与分类方法研究摘要脑-机接口（Brain-ComputerInterface,BCI）作为一门交叉性学科，涵盖了生物医学、神经科学以及计算机科学等，已成为脑科学研究热点。在BCI研究中，脑电信号（Electroencephalogram,EEG）与设备可控信号之间的转换成为关键，需借助脑电信号处理方法提取有效信号，进而实现人机交互。然而，脑电信号的非平稳非线性特征，给特征信号提取带来极大挑战。目前，虽有多种提取方法，但都存在提取精度或效率问题，难以反映信号全局特征。针对上述问题，本文提出了基于

5、LMD+SampEn的脑电信号特征提取框架，先利用仿真信号验证本方法的可行性，并在BCI2003和BCI2005两个真实数据集上进行实验，再次表明局部均值分解（LocalMeanDecomposition,LMD）结合样本熵(SampleEntropy)算法在脑电信号特征提取中的优势。具体来说，本文主要完成了以下工作：1.基本理论研究分析脑-机接口的结构与类型，以及脑电信号基本特性，指出事件相关去同步（Event-RelatedDesynchronization,ERD）和事件相关同步（Event-RelatedSynchronization

6、,ERS）在脑电信号中的应用，并为后续脑电信号以及仿真信号的分析提供依据。I太原理工大学硕士研究生学位论文2.基于小波包分解的脑电信号提取比较小波变换和小波包分解方法，指出小波包分解可解决小波变换中无法分解高频信号的不足，并可自适应选择相应频带。将小波包系数相对能量和相对偏离度作为特征属性实现脑电数据特征提取。3.基于LMD+SampEn的脑电信号特征提取分析经验模态分解（EmpiricalModeDecomposition，EMD）、总体经验模态分解(EnsembleEmpiricalModeDecomposition，EEMD)以及LMD

7、在信号提取中的特点，并选取仿真信号进行验证，发现EEMD较EMD在模态混叠以及端点效应等方面有了明显改进，但执行效率较低，而LMD算法可以有效改善上述问题，LMD+SampEn可以进一步提高提取精度。4.分类方法研究在上述特征提取的基础上，本文选用决策树、朴素贝叶斯以及支持向量机分类算法对左右想象信号进行识别。并采用准确率、召回率以及AUC值对分类效果进行评估，发现LMD+SampEn的提取效果最佳，进而证明了该方法用于区分运动想象脑电信号的可行性，为脑电信号的特征提取与分类提供了一种新的解决方案。关键词：脑-机接口；特征提取；局部均值分解；

8、运动想象II太原理工大学硕士研究生学位论文ResearchonEEGFeatureExtractionandClassificationBasedonMovemen