“脑计算机”系统中脑电信号分类与脑电信号模型研究

《“脑计算机”系统中脑电信号分类与脑电信号模型研究》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、北京工业大学博士学位论文“脑-计算机”系统中脑电信号分类与脑电信号模型研究姓名：郝冬梅申请学位级别：博士专业：模式识别与智能系统指导教师：阮晓钢;乔俊飞20050401号、用直流偏移表示的皮质对丘脑的兴奋性输入、用指数衰减表示的来自脑千和前脑基底神经元的调制信号，模型输出的兴奋性神经元群的平均膜电位代表局部脑电电位。改变模型输入，进行多次仿真试验并进行线性和非线性分析。仿真结果显示了与实际“脑．计算机”系统实验一致的事件相关去同步化和同步化现象；模型中功能相近的区域间有更强的耦合，随着耦合强度的增加，输出信号间的相关性和同步性均增加。本文在以上工作

2、的基础上，构建了虚拟的“脑．计算机”系统(BcI)。该系统采用高时．频分辨率分析方法和自适应生长型神经网络区分左右手想象运动时的脑电信号，用分类器的输出控制进度条的移动，设计了BCI的动态演示过程。采用互信息技术评价BCI的性能，并与国际BCI竞赛的结果进行了比较，显示了本文方法的有效性。本文的研究工作在提高“脑．计算机”系统的可靠性和有效性、促进神经科学和认知科学领域的基础研究、增进对神经系统的了解以助于开发新技术以再生脑等方面具有积极的意义。关键词：“脑一计算机”系统，脑电，时．频分析，神经网络，神经元群IIAbstractABSTRACTAB

3、rain—ComputerInterface(BCI)isasystemforcontrollingorcommunicatingwithacomputerorotherelectronicdevicesbyhumanintentions．TheBCIresearchdealswiththeneurophysiologymechanismofcognitiveactivity,nerveceils，neuronpopulationandneuralnetworkintheneuralsystem．Theelectroencephalograph(E

4、EG)classificationandEEGmodelplayimportantroles．ThethesisanalyzesEEGsignalswithintelligentcomputationaltheoriesandmethods，doesresearchonEEGpatternrecognitionandclassificationforBrain-ComputerInterfacedesign．Italsoattemptstobuildanevent—relatedEEGmodel．Themaincontributionsofthep

5、aperincludeasfollow：(1)AHighTime—FrequencyResolutionAnalysismethodforEEGThethesisproposesaHi曲Time-FrequencyResolutionAnalysis(HTFRA)methodforevent-relatedEEG，inwhichtheoriginalsignalf(t)isdecomposedintoaslimoftime-frequencyatoms，thatarechosentobestmatchitsinnerstructures，Genet

6、icAlgorithm(GA)isusedtosearchfortheoptimaltime—frequencyatoms．Fromthedecompositionofanyf∞谢也inatime-frequencydictionarywederiveanewtime-frequencyenergydistributionbyaddingtheWigner-Villedistributionofeachselectedatom．UnliketheWignerandtheCohenclassdistribution，itdoesnotincludec

7、rossterms．ThesimulatedsignalsandtheEEGsinBrain—ComputerInterfaceareanalyzedrespectivelywithShort-TimeFourierTransform．Wigner-Ⅵ11edistribution，wavelettransfotinandHTFRA．ItshowsthattheHTFRAobtainaclearerpictureoftheenergydistributioninthetime-靠equencyplanecomparedwiththetraditio

8、nalmethods．(2)AnAdaptiveGrowthNeuralNetworkforEEGclassificati