结合本体错觉反馈的运动想象脑电识别研究-模式识别与智能系统专业论文.docxVIP

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master The Research of Motor Imagery Recognition Combined With Proprioceptive Feedback Candidate: Lu Shaona Supervisor: Prof. Meng Ming March, 2016 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研 究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人 或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研 究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证 毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大 学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文 的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密 论文在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 杭州电子科技大学硕士学位论文 杭州电子科技大学硕士学位论文 摘 要 脑电信号（Electroencephalogram，EEG）是一种能够体现人的思维意识以及 肢体活动的生物信号。脑-机接口(Brain Computer Interface，BCI)则是脑电信号的 一个重要应用方向，它可以实现人脑控制信息与其他外设之间的直接通信。而基 于运动想象（Motor Imagery，MI）脑电信号的 BCI 具有想象任务简单、想象与 目标动作一致性高、可以实现异步通信等特点、更适合用于康复辅具的控制和神 经运动功能康复，成为 BCI 领域内近年来备受关注的研究热点。 在 BCI 系统中，将脑电信号转换为控制指令是最核心的部分，也就是对脑 电信号的特征提取和模式分类。本文在本体错觉反馈现象的研究基础上，提出了 在运动想象识别中引入不同范式的本体感觉反馈环节，并分析其对识别实时性和 准确率的影响。以下是论文的主要内容及其创新之处： （1）为了更好的消除脑电信号中混有的噪声，针对传统的经验模态分解方 法在消噪过程中出现的模态混叠现象，以及传统提升小波易导致奇异点严重失真 的不足，提出了一种基于总体经验模态分解与改进提升小波的脑电信号消噪方 法，通过仿真和对比实验表明了提出的方法的有效性。 （2）在特征提取方面，针对经验模态分解在处理多维信号过程中的局限性， 提出了一种基于噪声辅助多元经验模态分解和样本熵相结合的脑电信号特征提 取方法，依据运动想象脑电信号的事件相关去同步化/事件相关同步化现象，提 取 C3、C4 通道的脑电信号分段的样本熵值作为特征向量。 （3）在模式分类方面，应用了极限学习机，一种学习速度快且泛化能力强 的求解单隐层神经网络的算法，对提取后的特征分量进行分类，并对该方法中激 励函数和隐含层神经元个数的确定进行了研究。最后通过实验对算法效果做了验 证分析。 （4）在本体错觉反馈方面，结合人体平衡和本体感受器的机制，进行了本 体错觉的振动模式的设计。做了不同范式运动想象识别实验与分析，探讨在无反 馈，加入正反馈、负反馈和伪造反馈的环节下对运动想象脑电的分类识别的影响， 实验结果表明，只有加入适当正反馈时，才能有效提高分类识别效果。而不当的 反馈可能导致分类识别降低，甚至导致 BCI 系统不能正常工作。 关键词：脑-机接口，本体错觉反馈，总体经验模态分解，样本熵，极限学习机 I ABSTRACT Electroencephalogram (EEG) is a kind of biological signal to reflect thinking conscious and physical activity. One important EEG applications research direction is Brain Computer Interface (BCI), which can achieve between the human brain and other peripheral device. BCI Based on motor imagery EEG is more suitable for t