《使用反向传播算法脑电图基于聆讯鉴定.docVIP

脑电图为基础的听觉识别使用反向传播算法 ? 脑电图（脑电图）使用人工智能识别基础听力是一个应用人类认知能力之间?年代(听觉),脑电图技术和人工智能。脑电图信号产听声音听特别的频率将被使neurofaxeeg-9200装置进一步分析。脑电信号的来源用来训练21层前馈反向传播神经网络（网络）为识别模式的大脑波。脑电信号利用快速傅立叶变换（快速）和滤波技术。此外，训练有素的网络可以别的大脑信号。一个图形用户界面（界面）已发展到显示的数字化脑电信号和识别结果。结果表明，该算法能够处理脑电图数据确定频率的声音知觉简介 在世界脑电图 （EEG） 已成为重要的技术。脑电图用于床及研究用途。脑电图技术通过放置在头皮上的电极捕获脑电活动。有许多在神经科学研究中使用脑电图的。首先是脑电信号非侵袭性研究，功能磁共振成像 （fMRI）。第二，脑电图记录自发性脑活动和能够检测在毫秒时间刻度上大脑中的电活动的变化。弗朗西斯 · 高尔顿在 19 世纪下半年进行高频听力的第一次系统研究。高尔顿使用附加到手杖和经营的橡胶球的高频率哨子高频率的声音，观察条件反射的动物，那些的伦敦动物。是五个传感器的之一。人类的发声频率被介乎 20 Hz 至 20 kHz普遍接受人类不能感知 20 千赫以上的频率范围内的声音。此外，human?s 大脑分为四个主要叶： 额叶、 顶叶、 枕叶和颞叶 [1]。颞叶将响应听觉能力的人。人类的大脑所产生的电活动将收集摆放在头皮上的电极。下面的图 1 所示。头皮领域之一在人工智能 (AI)，它发展迅速，在过去的几年中获得流行的工程应用电极 是人工神经网络 。人工神经网络是由数量互联信息处理单元 （神经元） 组成的计算网络。人工神经网络是能够了解并代表一组输入变量和一组系统或进程的输出变量之间的未知的依赖关系。人工神经网络的发展是基于解决大型复杂的问题，需要和鼓舞成功体系职能的生物，在这方面特别是人类大脑。人类听觉的大脑反应研究在此研究中，人类可以理解他们的身体好才能应用技术，以提高生活质量。因此，这项研究的目标是研究人类的大脑响应，当他们听单一频率音，开发一个算法，在药物治疗自动的脑电信号的世界。训练前馈反向传播神经网络的数据库，收集一套的大脑信号。前馈反向传播神经网络可以识别的大脑信号模式。基于神经网络的自动的识别系统为了找出人类的大脑听觉响应。使用的梯度下降算法的想法与势头向前背传播 21 层是设计和实施，连同一个用户友好的 GUI。神经网络可以识别加工的脑电信号。 方法和途径 二.研究分几个阶段： 数据的记录、 信号处理时频分析 数据培训与鉴定。脑电图信号和筛选使用 Matlab。说明整体研究的块图如图 2 所示。在图中的每个块下面的小节中详细介绍。它包括实验设置、 脑电图信号记录、 脑电图信号预处理和前馈反向传播神经网络训练算法。 图2 图 2 块图使用人工智能 A.设置实验中顺序作为数据库收集大脑电活动的脑电信号。首先，准备 Neurofax 脑电图 9100。Neurofax 脑电图 9100 是 Windows ? XP 笔记本 PC 基于脑电图，具有高性能和可扩展性与可选的硬件和软件。Neurofax 脑电图 9100 用来记录从一个主题收集到的大脑信号。青少年年龄的范围从 20 23 岁。有机会接触频率 400 Hz，500 Hz，5000Hz 和 15000Hz 的声音。要求在放松和舒适的条件听得见的声音。此外，需要有足够的休息，然后进行了实验，在实验的过程中关闭他们的眼睛。使用图 3 中所示的工具。 . 脑电图头皮测量大脑的电活。电活动的大脑颞叶从收集通过使用 4 电极放在 T3、 T5、 T4、 T6 的脑电图头皮 （如图 1 所示）。一个控件数据和一个实验数据所需的每个单一频率的声音分析 （400 Hz、 500 Hz、 5000Hz 和 15000Hz 分别)。控制数据记录时科目都放松了，听没有声音。控制数据记录 10 秒。之后，会听一个播放声音的单一频率的演讲者。听声音 20 秒钟，信号记录 10 秒钟。此数据将实验数据。 每个特定频率的声音，控制和实验的数据和收集到的大脑信号时间域中如图 4 所示。 脑电信号预处理 图4 图5 图 5 的电极放置在 T3、 T4、 T5 T6 频率域收集到的大脑信号 图 4 电极放在 T3、 T4、 T5 T6 时间域收集到的大脑信号仅在频率域中显示清楚。因此，将使用在 Matlab 中可用的快速傅里叶变换 (FFT) 功能看大脑信号。FFT 是一种有效的算法计算离散傅里叶变换 （DFT） 和及其逆FFT 过程, 大脑信号是离散形式如图 5 所示，可以看到大脑信号是镜像频率 256 Hz 21 层饲料向前反向传播神经网络已