频率同步特征与svmhmm混合模型在脑-机接口中的应用研究-research on the application of mixed model of frequency synchronization feature and svm hmm in brain-computer interface.docxVIP

下载本文档

5
0
约6.36万字
约 80页
2018-07-27 发布于上海
举报
版权申诉

频率同步特征与svmhmm混合模型在脑-机接口中的应用研究-research on the application of mixed model of frequency synchronization feature and svm hmm in brain-computer interface.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

频率同步特征与svmhmm混合模型在脑-机接口中的应用研究-research on the application of mixed model of frequency synchronization feature and svm hmm in brain-computer interface

摘要脑-机接口（Brain-ComputerInterface，BCI）是新的大脑与外界环境进行直接通信的通路。随着各个基础科学的共同发展，综合了诸多学科的脑-机接口已经从最初主要的医疗、康复等应用领域拓展到了军事、交通、娱乐等新的领域。现在脑-机接口不仅能够为残障人士提供辅助，而且还能够为正常人群提供一种新的娱乐、工作方式。基于脑-机接口这门综合学科的重要研究价值以及脑-机接口在人类社会中的广泛应用前景，美国、欧盟等世界发达国家和地区已经提出了多种大脑研究计划。随着这些大脑计划的提出，脑-机接口正成为世界范围内的重要研究领域。论文主要对基于运动想象的脑-机接口进行研究。在基于运动想象的脑-机接口中，特征提取和模式识别是最为关键的两个部分。这两个部分直接影响脑-机接口的性能，所以论文对这两个部分进行了重点探讨。论文根据在脑电信号中广泛应用的相位同步特征，衍生出了频率同步特征的概念。由于大脑不同区域的活动变化体现出节律性，论文就期望通过直接利用这种节律的变化来提取脑电信号的特征。论文根据锁相值（PhaseLockingValue，PLV）的定义，定义了锁频值（FrequencyLockingValue，FLV），其中FLV包括互锁频值（Mutual-FrequencyLockingValue，MFLV）和自锁频值（Self-FrequencyLockingValue，SFLV）。论文将PLV与MFLV和SFLV应用到BCI竞赛20082b数据集和自主采集的脑电信号中，并做了对比实验，实验结果显示新的频率同步特征比相位同步特征更好地表达了大脑活动的变化，当MFLV和SFLV作为脑电信号特征时能够获得更好的分类正确率。SVM（SupportVectorMachine，SVM）和HMM（HiddenMarkovModel，HMM）都以统计学习理论的概率模型为基础。根据SVM的基本理论，SVM的最优分类函数主要体现了样本类与类之间的差异，而HMM则通过同一类样本建模，体现了一类样本类内的相似性。论文将这两种方法结合建模，创建了SVM/HMM混合模式的拓扑结构，并将这种新的模式识别方法应用到实际的脑电信号中。实验采用BCI竞赛20082a数据集和自主采集的脑电信号，通过与SVM分类结果的比较，验证了SVM/HMM混合模式对两类脑电信号和四类脑电信号进行模式识别的有效性。论文对脑-机接口中最为核心的特征提取和模式识别两部分进行了研究。在BCI竞赛数据和自主采集的脑电实验数据的基础上，分析和讨论了频率同步特征和SVM/HMM混合模式应用在脑电信号中的有效性。频率同步特征和SVM/HMM混合模式为这两部分分别提供了一种新的解决思路和方法。关键词：脑-机接口，运动想象，频率同步，SVM/HMM混合模式ABSTRACTBrain-ComputerInterface(BCI)isanewpathwaythroughwhichhumanbraindirectlycommunicateswiththeexternalenvironment.Withthedevelopmentofvariousbasicsciences,theapplicationsofBCIhavebeenextendedfromtheinitialfields,suchasmedical,rehabilitation,tothenewfields,suchasmilitary,transportation,entertainment.NowBCIprovidesnotonlyassistanceforpeoplewithdisabilities,butalsoanewwayofworkingandentertainmentforthenormalpeople.FortheimportantresearchvalueandpromisingapplicationfutureofBCI,theUnitedStates,EuropeanUnionandotherdevelopedcountriesandregionshavecomeupwithvariousbrainresearchprojects.BCIisbecomingaglobalresearchhotspot.ThispaperfocusesontheBCIbasedonmotorimagery.FeatureextractionandpatternrecognitionarethetwomostcriticalpartsofBCI.ThesetwopartscandirectlyaffecttheperformanceofBCI,sothispapermainlydiscussesthetwoparts.Basedonthew