基于运动想象的脑-机接口的算法研究-控制理论与控制工程专业论文.docxVIP

万方数据 万方数据 独 独 创 性 声 明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的 研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包 含其他人已经发表或撰写过的研究成果，也不包含为获得西南科技大学或其 它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所 做的任何贡献均已在论文中作了明确的说明并表示了谢意。 签 名： 日 期： 关于论文使用和授权的说明 本人完全了解西南科技大学有关保留、使用学位论文的规定，即：学校 有权保留学位论文的复印件，允许该论文被查阅和借阅；学校可以公布该论 文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。 (保密的学位论文在解密后应遵守此规定 ) 签 名： 导师签名： 日 期： 西南科技大学硕士研究生学位论文 第 I 页 摘 要 随着四届国际脑机接口比赛的展开，脑 -机接口（Brain Computer Interface， BCI）技 术的 研究 达 到了 前所 未有 的 阶段 。而 在近 几年 ，现 实 中不 断出 现的 脑-机接口系统也给全人类的生活拉开了一个新的领域。而在 BCI 技术中，核 心问题是脑电信号的处理，快速、准确、有效的信号处理支撑了整个 BCI 系 统的核心。 本文即是从脑电信号的处理入手进行实验研究，采用第三届 国际脑-机接 口数据竞赛（BCI Competition III）中的数据集 IVa-“小样本学习想象运动 脑电数据集”作为实验数据。从设定实验方案出发， 给出运动想象脑电信号 分类识别的最佳实验方案，并重点对脑电信号（electroencephalogram，EEG） 预处理、特征选择、特征提取和模式识别进行研究。在信号预处理过程中， 选取 Butterworth、Chebyshev I、Chebyshev II 、Elliptic 四种滤波器进行对比， 确定最佳滤波器；在特征选择过程中从基于互信息的特征选择算法上提出相 关系数的特征选择算法，并将其跟互信息特征选择算法进行对比试验，选取 实验过程中所需参数问题，并对比两种特征选择算法性能的优略；在特征提 取 过 程 中 对 比 自 回 归 模 型 谱 估 计 法 （ auto-regressive ， AR ） 和 共 空 间 模 型 （Common Spatial Pattern,CSP）特征提取算法；最终使用基于 Fisher 准则的 LDA 分类算法和支持向量机（SVM）进行分类识别。最后对各类算法组合进 行实验结果分析，选出分类效果最佳的算法组合即 Buterworth 滤波、相关系 数特征选择、CSP 特征提取和 SVM 分类器，并将此组合仿真实验最终得到 的识别结果与 BCI Competition III IVa 中提交的实验结果进行对比，确认了本 文实验中所得结果在对比排名中仅次于比赛中第一名的实验结果，从而 确定 论文中所选取的算法组合准确有效，适用于运动想象脑电信号的研究工作。 关键词：脑-机接口 运动想象 特征提取 模式识别 支持向量机 西南科技大学硕士研究生学位论文 第 II 页 Abstract The research of Brain-computer Interface reached an unprecedented stage, owing to the influence of the four International Brain -computer Interface Competitions. In recent years, the Brain-computer Interface systems continuously appeared in reality which has shown a frontier for human life. In BCI technology, the signal processing of EEG is the core problem. While the core of the entire BCI system is supported by fast, accurate, and efficient signal processing. To carry on the experimental study, this thesis starts with EEG signal-processing, which employs the data set, IVa of the BCI Competition III, as the experimental data. IVa data set is brain-computer date set