(毕业设计)_精选_23_基于共空间模式的脑电信号特征提取.doc

咔嚓大学 本科生毕业论文 基于共空间模式的脑电信号特征提取 Characteristic Extraction of EEG Based on Common Spatial Pattern 学生姓名 绺缪缪 所在专业 电子信息工程 所在班级 电子1092班 申请学位 工程学士 指导教师 离细细 职称 讲师 副指导教师 职称 答辩时间 2014年 06月 01 日  目 录 摘 要 I ABSTRACT I 第1章 绪论 1 1.1 脑机接口概述 1 1.2 脑电信号的研究发展与意义 1 1.2.1 脑电信号的研究发展 1 1.2.2 在医学方面的应用 2 1.2.3 在其他方面的应用 2 1.3 本文主要的工作 3 第2章 脑电图基本理论 4 2.1 人脑结构与脑电信号产生 4 2.1.1 人脑基本结构 4 2.1.2 脑电信号 4 2.2 脑电图基本理论 5 2.2.1脑电产生机理 5 2.2.2自发脑电与诱发脑电 5 2.2.3脑电的采集 8 2.3 脑电信号数据集 10 2.3.1 慢皮层电位数据集 10 2.3.2 BCI数据结构 10 第3章 慢皮层电位特征提取及分析结果 12 3.1 脑电特征的提取方法-- CSP 简介 12 3.2 CSP特征提取 14 3.2.1 Matlab运行步骤 14 3.2.2 特征提取结果 15 第4章 总结与展望 19 鸣 谢 20 参考文献 21 附 录 22 附录A: 22 附录B: 23 附录C: 25 摘 要 脑机接口(BCI)是指一种不依赖于人脑的正常输出通路的脑一机通讯系统，是一种新的人机接口方式。它的实质为通过脑电信号推断人的想法或目的，从而实现人机交流。脑机接口既是人类了解和提高脑功能的重要手段，又是一种全新的通讯和控制方式，在残疾人康复、正常人辅助控制、娱乐、脑认知等领域有广泛的应用前景。本文通过针对脑机接口中的特征提取问题，提出了基于多通道特性的共同空间模式CSP算法，实现脑电频域特征的有效提取。首先将采集的脑电信号(EEG)进行数据矩阵；然后通过CSP将EEG信号分解为空间模式，提取出数据的特征向量，进行识别处理。结果表明，CSP能有效提高出明显的特征，是分类识别的有效方法。 关键词:脑机接口；特征向量；慢皮层电位；共同空间模式  ABSTRACT Brain computer interface(BCI) is a communication system that does not depend on the brain’s normal output pathways of peripheral nerves and muscles，and it is an alternative and novel interface between human and computers. The essence of a BCI is to deduce human thoughts or intentions via electroencephalogram (EEG) signal and so to realize the communication between human and computers. A BCI system is not only an important way to understand and improve brain functions but also a novel communication and control mode. A BCI system is expected to improve the human living level. It has wide application prospect in many areas such as rehabilitation for disabled people，assist on control for normal people，entertainment，brain cognition，etc. This research was aimed at the feature of interface (BCI) in order to extract matter in brain computer.The algorithm based on multi-channel characteristics Common spatial pattern (CSP) was proposed to solve this work through exploring frequency dom