改良式对角化主要成份分析法应用於脑电波辨识-台北市立教育大学资讯.PDF

改良式對角化主改良式對角化主要成份分析法要成份分析法應用應用於腦電波於腦電波辨識辨識 改良式對角化主改良式對角化主要要成份分析法成份分析法應用應用於於腦電波腦電波辨識辨識 陳致仰陳致仰 葉榮木葉榮木 蔡俊明蔡俊明 陳致仰陳致仰 葉榮木葉榮木 蔡俊明蔡俊明 國立國立臺灣師範大學臺灣師範大學 國立國立臺灣師範大學臺灣師範大學 臺北市立教育大學臺北市立教育大學 國立國立臺臺灣師範大學灣師範大學 國立國立臺臺灣師範大學灣師範大學 臺臺北市立教育大學北市立教育大學 機電科技學系機電科技學系 機電科技學系機電科技學系 數學資訊教育學系數學資訊教育學系 機電科技學系機電科技學系 機電科技學系機電科技學系 數學資訊教育學系數學資訊教育學系 .tw zongmu@.tw cmtsai@.tw 摘要摘要 確率」、「易於使用」、「強健性」、「視需求開 摘要摘要 啟 」、「安全性」等問題[6] 。而在本文中，我們主 本篇文章提出一個有效的方法 ，對受測者在意 要探討 的 ，是針對準確率的提升 ，因為這是最基本 圖吐舌頭與意圖舉起左手時的腦電波做辨識 。腦 也是最重要的議題 。 波辨識是否成功的關鍵 ，在於特徵擷取與分類兩個 人類對大腦的了解程度 ，直接影響大腦人機介 議題 ，有別於過去文獻將重點放在分類演算法的改 面的發展 ，所以，在研究大腦人機介面之前 ，我們 良上，我們認為找出更具代表性和更精簡的特徵 ， 必須對人腦有基本的了解 。後 面的章節裡 ，將介紹 同樣值得重視 。若選取的特徵能夠讓類別之間的差 一些基本的背景知識 。 異變大，我們就可以使用很簡單的方法 ，來取代原 1.2 腦電波腦電波 先複雜的分類演算法 ，也不會降低辨識的準確率 。 腦電波腦電波 在此 ，我們採用在人臉影像辨識中 ，具有良好效果 的對角化主成份分析法(DiaPCA) ，來擷取腦電波特 腦 波的發現 ，是在西元 1875 年由英國生理 徵，並加以辨識 。我們除了找出 DiaPCA 在腦電波 學家李察卡頓(Richard Caton)在動物 身上發現 的 辨識的應用中最佳的參數條件之外 ，並提出了「改 [18] 。至於人類的腦電波，則是在西元 1924 年，才 良式對角化主成份分析法」，來提升其辨識率 。研 由德國精神科醫師漢斯伯格(Hans Berger) 開始研 究結果顯示 ，我們所做的修改，將原始的 DiaPCA 究，並首次成功地記錄下來 [8] 。後續 的研究 ，進 應用在腦電波辨識的準確率大幅提升了 10.79% 。 一步將腦電波依照頻率的不同 ，分為δ波(0~3Hz) 、 關鍵詞關鍵詞：腦電波、μ波、大腦人機介面、特徵擷取、 θ波(4~7Hz) 、α波(8~12Hz) 、β波(13~24Hz) ，與 關鍵詞關鍵詞 對角化主要成份分析法 。 γ波(25~50Hz) 等波段[1] 、[11] 。在不同的精神狀態 下 ，大腦會出現不同波段 的腦電波 。 1. 介紹紹 除了上述以頻帶來劃分的基本腦電波以外 ，腦 紹紹