基于EmotivEPOC的P300模式识别.docVIP

  1. 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. 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. 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. 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. 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. 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. 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
查看更多
摘 要 脑机接口(Brain computer interface,BCI)是利用脑电波使人与外界环境进行交互的方式。由于它本身不依赖于肌肉或神经系统而是通过特定模式的脑电和外部的辅助设备与外界完成信息交互。因此,脑机接口为人类用意识去控制和改变外界环境提供一个科学的方案。近年来,脑机接口的研究迎来了快速的发展时期,一些类型的BCI实验取得了较大的进步(如P300、SSVEP、Mu波等)。现在脑机接口处于快速发展的时期,我们需要设计有效的模式来快速准确地识别出特定的脑电信号。安全、实时、操作简单的脑机接口技术正逐步走出实验室,如何将脑机接口应用于现实生活中是目前研究的热点和难点,也是未来发展的一个方向。 在脑电设备方面各种可穿戴式的EEG设备已经进入了市场,如:NeuroSky MindWave和Emotiv EPOC,它们具有产品体积小、成本低、佩戴方便、便于操作的特点,在用户体验和实用性方面具有不可替代的优势,正不断被研究和应用。 P300是一种由小概率事变刺激后约0.3秒内所产生的诱发反应,是研究最多、应用最广泛的脑电信号。传统的诱发方式一般采用oddball范式来诱发P300脑电信号,但是其中存在采集信号复杂、花费时间长,P300信号微弱,成分少的不足,不便于实际应用。本文开展了基于Emotiv EPOC的P300脑机接口的模式识别研究,Emotiv EPOC是一个便携式的科研医用级的标准非侵入式脑电信号检测设备,可以高效便携的采集脑电,被试不需要经过任何特殊的训练就可以实现一个实用的脑机接口应用系统,并改进了一种以传统oddball范式为基础的P300范式。本文采用离线测验证实了在Emotiv EPOC脑机接口的基础之上所构建的程序的实用性,在5名参加测验的被试者中,所划分的测验的类型准确率均超过了75%。为以后EmotivEPOC在实际生活中的使用奠定了稳固的根基。 关键词:脑机接口;P300电位;支持向量机;贝叶斯线性判别;Emotiv EPOC; Abstract P300 potential,P300 paradigm,Emotiv EPOC 目 录 摘 要 I Abstract III 目 录 V Table of Contents VII 第一章 绪论 1 1.1 研究背景及意义 1 1.2 国内外研究现状 3 1.3 本文主要研究内容 5 1.4 本文章节安排 6 第二章 脑机接口与P300 7 2.1 脑机接口概述 7 2.1.1 脑机接口原理 7 2.1.2 脑机接口的分类 9 2.1.3脑机接口系统类型 10 2.2 事件相关电位P300及其范式 13 2.2.1 事件相关电位概述 13 2.2.2 P300基本原理 14 2.2.3 P300常用刺激范式 17 2.3 本章小结 20 第三章 脑电信号的特征提取与分类算法 21 3.1 EEG信号简介 21 3.1.1 EEG信号特征 23 3.1.2脑电信号的预处理 24 3.2 EEG信号特征提取方法 25 3.3 EEG信号分类算法 26 3.3.1 支持向量机 27 3.3.2 线性判别分析 30 3.4 本章小结 33 第四章 基于Emotiv EPOC的P300分析 35 4.1 Emotiv EPOC简介 35 4.2 Emotiv EPOC P300脑电信号采集 40 4.3 基于ICA的P300脑电信号特征提取 43 4.3.1 预处理 43 4.3.2 导联选择和基于ICA特征提取 45 4.4本章小节 51 第五章 实验分析及结果 52 5.1 实验范式分析 52 5.2 基于线性判别分析的数据处理 53 5.3 基于支持向量机的数据处理 55 5.4 实验结果及讨论 58 5.5 本章小结 60 第六章 研究结论与展望 61 6.1 本文研究总结 61 6.2 展望 62 参考文献 63 Table of Contents Abstract in Chinese 错误!未定义书签。 Abstract in English III Chapter 1 Introduction 3 1.1 Reasearch Background and Significance 3 1.2 Current Research 3 1.2.1 Research of Behavior Recognition Methods 错误!未定义书签。 1.2.2 Present Research of Aggressive Actions Recognition 错误!未定义书签。 1.2.3 Present Research of Actions Recognition based on Kinect 错误!未定义书签。 1.3 Overview o

文档评论(0)

dgsf201315 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档