基于稳态视觉诱发电位的脑机接口的研究

基于稳态视觉诱发电位的脑机接口的研究

ID:35170818

大小:7.00 MB

页数:67页

时间:2019-03-20

基于稳态视觉诱发电位的脑机接口的研究_第1页
基于稳态视觉诱发电位的脑机接口的研究_第2页
基于稳态视觉诱发电位的脑机接口的研究_第3页
基于稳态视觉诱发电位的脑机接口的研究_第4页
基于稳态视觉诱发电位的脑机接口的研究_第5页
资源描述:

《基于稳态视觉诱发电位的脑机接口的研究》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、分类号密级UDC^NANJINGUNIVERSITYOFSCIENCE&TECHNOLOGY硕士学位论文基于稳态视觉诱发电位的脑机接口的研究(题名和副题名)王瑞敏(作者姓名)吴文研究员葛盛副教授学位类别工学项士学科名称信号与信息处理研究方向脑信号处理论对Kflt间2015.01::》的类号注1注明《国际十进分类法UDC。声明,本学位论文是我在导师的指导下取得的研究成果,尽我所知在本学位论文中,不包含其他人已

2、经发表或公布,除了加以标注和致谢的部分外过的研究成果,也不包含我为获得任何教育机构的学位或学历而使用过的材料一。与我同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。^研究生签名:講fe年》月2日¥学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档,可以借阅或上网公布本学位论文的部分或全部内容,可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文,按保密的有关规定和程序处理。研宄生签名:ZP/S年¥月日硕士学位论

3、文基于稳态视觉诱发电位的脑机接口的研究摘要一-comu脑机接口(brainpterinterface,BCI)是种在大脑与外部电子设备之间建立的ead-sta不依赖于肌肉组织或外围神经的新型信息传输装置。基于稳态视觉诱发电位(stytevisualevokedotentialSSVEP)的BCI系统不仅可以实现高的信息传输速率,而且与其p,一他BCI系统相比需要较少的校正时间,直以来都是BCI研宄中的热点。本研宄主要对基于SSVEP的多通道BCI系统的空间特征提取及分类算法进行了优化

4、,并取得了如下的研宄成果:一二doubearaeasuare-(1)本文建立了个双重偏最小乘回归(lptilltssDPLS)的q,SSVEP频,利用该模型可以在不需要进行训练的情况下率识别模型,实现对SSVEP信一号的空间特征提取及分类。在该模型中首先建立了个PLS空间滤波器,从多通道脑电ec一(eltroencehalorahEEG)数据中提取出有效的SSVEP成分然后,建立了pgpy,;个基于PLS的SSVEP频率识别算法,对提取出的SSVEP特征信号进行分类。-PLS为了检验D模型

5、的有效性,分别对PLS空间滤波器及PLS频率识别算法的性。能进行了测试,并将它们分别与现有算法进行了对比分析实验结果证明,PLS算法在SSVEP空间特征提取及频率识别方面都取得了很好的效果,而且具有很高的运算速度。?D-PLS的分类算法平均提高了4%的分算法在各种实验条件下,均比现有2类正确率,大大提局了BCI系统的性能。一2文我们还提出了(owersectraldensitanalsis()本个基于功率谱密度分析ppyy,PSDAcanon-)、典型相关分析(icalcorrelatio

6、nanalysisCCA)和DPLS三种分,类方法的?-联合判别算法。在短的时间窗上(1.53.5s)BCI系DPLS,统的分类正确率在的基础一上进步提高了2%到5%的正确率。关键词:脑机接口,脑电图,稳态视觉诱发电位,空间滤波,特征提取,偏最小二乘回归,联合判别IAbstract硕士学位论文Abstractra-AbincomputerinterfaceBCIisadirectcommunicationmethodbetweenbrainand()

7、thouseofereranervendmuscesead-stsuaevoedmachinewitanyuiphlsal.Styatevilkp-savebecomehootentialSSVEPbasedBCIstemshattoicinBCIresearchesforthep()yp,yhavehigherinformationtransferratesandrelyonshortercalibrationtimes.Inthisrese

8、arch,wefocusontheoptimizationofSSVEPfeatureextractionandclassificationalorithms.Themainresultsachievedinthisresearchareliste

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。