版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、腦機(jī)接口(brain-computer interface,BCI)是目前被廣泛關(guān)注的一個(gè)重要研究方向,其目的是建立一個(gè)大腦與外部環(huán)境之間信息交互和控制的通道。目前腦機(jī)接口的研究越來越趨于實(shí)用化和可穿戴化。而基于運(yùn)動(dòng)想象的BCI由于其不需要借助外界刺激,屬于獨(dú)立型BCI,因而一直以來都是BCI研究中的熱點(diǎn)。雙模態(tài)BCI由于其信號(hào)的獨(dú)立和互補(bǔ)性,為建立少通道的便攜BCI系統(tǒng)提供可能。
本文主要研究了基于腦電(electroenc
2、ephalography, EEG)-近紅外(near-infraredspectroscopy, NIRS)的雙模態(tài)少通道運(yùn)動(dòng)想象BCI系統(tǒng),探討了該雙模態(tài)BCI從實(shí)驗(yàn)范式到模式分類的整體過程。并取得了如下的研究成果:
(1)本文首先根據(jù)EEG、NIRS運(yùn)動(dòng)想象信號(hào)產(chǎn)生的生理機(jī)制,采用溯源方法,從大腦皮層激活的層面定位左右手運(yùn)動(dòng)想象激活的主要腦部區(qū)域?yàn)锽rodmann分區(qū)中的輔助運(yùn)動(dòng)區(qū)6區(qū)。從而從信號(hào)源層面上確定少通道EEG
3、-NIRS BCI系統(tǒng)的通道排布,即EEG通道為10-20系統(tǒng)對(duì)應(yīng)的C3,CZ,C4,NIRS通道則布置為C3和C4周邊各3對(duì)發(fā)射極和接收極。
(2)為了更好的提取少通道BCI特征,本文在運(yùn)用共同空間模式(common spatialpatterns,CSP)方法進(jìn)行空間濾波前,先利用相空間重構(gòu)(phase space reconstruction, PSR)方法對(duì)3通道EEG信號(hào)進(jìn)行了通道擴(kuò)展。為了檢驗(yàn)該方法的有效性,本文利
4、用2005 BCI競(jìng)賽數(shù)據(jù)集Ⅲa的3通道數(shù)據(jù)分別經(jīng)CSP方法和PSR+CSP方法提取后的特征運(yùn)用同種分類器進(jìn)行四分類。結(jié)果發(fā)現(xiàn):僅利用CSP方法特征提取分類正確率為43.0%,而PSR+CSP方法特征提取正確率提高到73.9%。而對(duì)于本實(shí)驗(yàn)采集的數(shù)據(jù),CSP方法特征提取分類正確率為60.7%,而PSR+CSP方法特征提取正確率提高到74.7%。而對(duì)于本文自采的少通道EEG數(shù)據(jù)分別經(jīng)CSP方法和PSR+CSP方法提取后的特征運(yùn)用同種分類器
5、分類,發(fā)現(xiàn)PSR+CSP方法得到的正確率比CSP方法高出約15%。說明PSR+CSP方法能夠有效的提取少通道BCI特征。
(3)本文探討了基于數(shù)據(jù)融合的雙模態(tài)信號(hào)模式分類,嘗試了基于支持向量機(jī)(support vector machine, SVM)的特征層融合和基于誤差反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)的決策層融合,其中利用SVM對(duì)EEG,NIRS信號(hào)進(jìn)行特征層融合取得了更好的分類結(jié)果?;赟VM的雙
6、模態(tài)特征層融合BCI系統(tǒng)平均正確率達(dá)81.2%,最高正確率100%,比任一單模態(tài)正確率都高。且由于采用數(shù)據(jù)融合技術(shù),使得對(duì)某種腦信號(hào)采集技術(shù)反應(yīng)不明顯的被試,能夠在另一種技術(shù)上得到補(bǔ)充,從而使得本文的最低正確率從EEG單模態(tài)最低58.3%、NIRS單模態(tài)最低43.1%,提高到雙模態(tài)最低75.0%。并且基于SVM的特征層融合將融合和決策同時(shí)進(jìn)行,從而節(jié)省了系統(tǒng)信號(hào)處理的時(shí)間提高了響應(yīng)速度。采用雙模態(tài)數(shù)據(jù)融合建立BCI系統(tǒng),提高了系統(tǒng)的時(shí)空
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于EEG-fNIRS的少通道雙模態(tài)腦機(jī)接口關(guān)鍵技術(shù)研究.pdf
- 基于EEG-NIRS雙模態(tài)動(dòng)作意圖的分類識(shí)別.pdf
- 基于EEG的腦—機(jī)接口設(shè)計(jì).pdf
- 大鼠EEG-NIRS信號(hào)采集處理系統(tǒng)設(shè)計(jì).pdf
- EEG腦機(jī)接口的連續(xù)預(yù)測(cè)方法研究.pdf
- 基于EEG的腦機(jī)接口技術(shù)研究與實(shí)現(xiàn).pdf
- 基于運(yùn)動(dòng)想象的腦機(jī)接口通道選擇算法研究.pdf
- 基于EEG的聽覺腦-計(jì)算機(jī)接口研究.pdf
- 面向腦機(jī)接口的不確定性EEG分類研究.pdf
- 基于自發(fā)腦電的腦—機(jī)接口研究.pdf
- 概率分類方法在多任務(wù)EEG腦機(jī)接口中的應(yīng)用研究.pdf
- 基于EEG的運(yùn)動(dòng)想象分類與識(shí)別算法及其在腦-機(jī)接口中的應(yīng)用.pdf
- 基于ssvep的腦機(jī)接口
- 基于動(dòng)物實(shí)驗(yàn)的腦-機(jī)接口研究.pdf
- 基于腦意識(shí)任務(wù)的腦機(jī)接口設(shè)計(jì).pdf
- 基于運(yùn)動(dòng)想象的腦機(jī)接口研究.pdf
- 基于運(yùn)動(dòng)想象的腦機(jī)接口的研究.pdf
- 基于自發(fā)腦電信號(hào)的腦-機(jī)接口的研究.pdf
- 基于腦電mu節(jié)律的腦-機(jī)接口系統(tǒng)的研究.pdf
- 基于運(yùn)動(dòng)想象腦電的運(yùn)動(dòng)控制腦_機(jī)接口研究
評(píng)論
0/150
提交評(píng)論