面向PEMFC輸出性能優(yōu)化的EIS頻率正割角方法研究.pdf

1、腦-機(jī)接口（Brian Computer Interface,BCI）是一種只通過大腦產(chǎn)生的腦電信號(hào)與外界進(jìn)行交流的通訊系統(tǒng)，該系統(tǒng)與人們的肌肉和外圍神經(jīng)無關(guān)。BCI研究的主要內(nèi)容是將操作人員的控制意圖轉(zhuǎn)換成對(duì)外部設(shè)備的控制指令。其核心技術(shù)在于對(duì)腦電信號(hào)的特征提取和分類識(shí)別。本文在運(yùn)動(dòng)想象腦電信號(hào)模式識(shí)別的基礎(chǔ)上，搭建在線BCI系統(tǒng)實(shí)現(xiàn)機(jī)械手的基本運(yùn)動(dòng)控制。
　　首先選取BCI2003競賽中運(yùn)動(dòng)想象數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，確定數(shù)據(jù)

2、選取的時(shí)間和頻率的范圍。因?yàn)橛行У奶卣餍畔⒅苯佑绊懙阶詈蟮姆诸愖R(shí)別效果，本文在分析傳統(tǒng)方法的基礎(chǔ)上，提出基于小波變換和共空間模式的方法對(duì)腦電信號(hào)進(jìn)行特征提取。這種方法很好的結(jié)合了時(shí)頻域和空間域的特征信息，提取的特征量包含了時(shí)間、頻率和空間的特征行為，為后續(xù)的分類識(shí)別打好了基礎(chǔ)。采用基于粒子群算法的支持向量機(jī)和極限學(xué)習(xí)機(jī)對(duì)組合特征量進(jìn)行分類識(shí)別，通過分類結(jié)果的對(duì)比證明本文提出的特征提取方法優(yōu)于傳統(tǒng)方法，同時(shí)得出極限學(xué)習(xí)機(jī)具有更佳的最優(yōu)識(shí)別

3、率和更短的訓(xùn)練學(xué)習(xí)時(shí)間，能夠更好的適用于BCI系統(tǒng)。
　　然后選用Emotiv Epoc腦電采集設(shè)備，設(shè)計(jì)相應(yīng)的實(shí)驗(yàn)流程采集運(yùn)動(dòng)想象腦電信號(hào)，對(duì)離線數(shù)據(jù)進(jìn)行分析，驗(yàn)證上述理論結(jié)果。實(shí)驗(yàn)中對(duì)極限學(xué)習(xí)機(jī)進(jìn)行改進(jìn)，通過對(duì)訓(xùn)練集進(jìn)行循環(huán)學(xué)習(xí)，選擇其中效果最好的那組參數(shù)作為固定值，提高了平均分類識(shí)別的效果。
　　最后，通過Matlab實(shí)現(xiàn)了以上算法，對(duì)Emotiv Epoc采集的腦電信號(hào)進(jìn)行實(shí)時(shí)信號(hào)分析處理，并將分類的結(jié)果轉(zhuǎn)換成控制指