视觉诱发电位提取讲义.docVIP

目录 摘要 3 abstract 4 第一章 前言 5 1.1课题研究的背景和意义 5 1.2课题研究概况 5 1.3小波分析的优势 6 1.4本文研究内容与结构安排 7 1.5总体实验流程及软件 8 第二章 数据采集 9 2.1大脑各个分区功能 9 2.2电极帽 11 2.3测试环境及对象 12 2.4 采集设备 13 第三章 小波分析去噪 16 3.1视觉诱发的电位的主要提取方法 16 3.2累加平均法 16 3.3小波分析法 17 3.4实验思路 18 3.5实验结果 20 3.6实验分析 23 第四章 视觉诱发电位的识别 24 4.1 SVM分类器 24 4.2 SVM的分类器的基本原理 24 4.3 RBF核函数 26 4.4 libsvm工具箱 26 4.5实验过程及结果分析 26 第五章 总结与展望 28 参考文献 29 致谢 29  摘要 基于瞬态视觉诱发电位在脑-机接口研究的中，通过视觉诱发电位信号的提取与识别产生脑-机接口控制信号。在强噪声环境下利用累加平均法和小波滤波提取微弱的视觉诱发电位。在小波变换域中计算特征向量，特征向量输入SVM分类识别，判断是否为视觉诱发电位。实验结果表明，小波分析法和累加平均法相结合可以有效的去除噪声得到视觉诱发电位信号；SVM分类器识别算法可以有效识别视觉诱发电位。 关键词：视觉诱发电位；脑-机接口；小波变换；SVM分类器 abstract Based on the transient visual evoked potential in the study of brain computer interface, the control signal of brain computer interface was produced by the extraction and recognition of visual evoked potential signal. This experiment used averaging method and wavelet filter to extract weak visual evoked potential in the strong noise environment. Feature vectors are calculated in wavelet transform domain and they are input to SVM classification, to determine whether the signals are the visual evoked potential or not. The experimental results show that the combination of wavelet analysis and the cumulative average method can effectively remove the noise and get the visual evoked potential signal;.SVM classifier recognition algorithm can effectively identify the visual evoked potential. Key words: visual evoked potential; brain computer interface; wavelet transform; SVM classifier 第一章 前言 1.1课题研究的背景和意义 诱发电位（Evoked Potentials）：人体的神经中枢在受到外界的刺激后会在大脑皮层所对应的区域发生的特定和刺激有关的生物电位变化，这种生物电变化就是诱发电位[1]。自发脑电信号是人体在无刺激时头皮上能够采集到的所有电位的变化—自发脑电信号[2]。由于医学近年来的突飞猛进，关于诱发电位的各种研究也越来越多，给神经系统的病变检测提供了可靠，高效的检测方法。诱发电位是临床神经生理学在近现代取得的重大进展，可以用于帮助医生确定患者的神经系统功能是否正常，同时也可以用于检测一些神经网络的状态[3]。 视觉诱发电位（Visual Evoked Potentials,简称VEP）：大脑皮层诱发电位中的一种，对脑部枕叶区上的视觉诱发电位的检测，可以准确反应视觉灵敏度，准确显示是否有病变存在于视觉通路。在临床上可以已经在应用于帕金森症火视神经压迫性病变和代谢性疾病的检测判断，VEP也能够对不能合作检查的婴幼儿进行简单高效的检测。在手术中视觉诱发电位也用于前视通路的检护，防止手术中病人出现视神经的