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),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、理解動作意圖指的是在觀察他人動作時,人自發(fā)地領(lǐng)會動作所包含的意圖的一類行為,此類行為對語言、心智以及社會化的發(fā)展均具備重要的意義。如今針對領(lǐng)會動作意圖的大部分研究采用單模態(tài)的腦成像技術(shù),在測量的效果與時空分辨率上均存在一定的不足。而本研究采用腦電圖(electroencephalography, EEG)和近紅外光譜(near-infraredspectroscopy, NIRS)結(jié)合的雙模態(tài)腦成像技術(shù),能夠同步測量大腦活動的電位信號與
2、血氧變化信號,達(dá)到領(lǐng)會動作意圖神經(jīng)機(jī)制的多信息、多層面的研究。本研究選取了兩類手與杯子進(jìn)行接觸的圖片分別表示手拿杯子喝水和移動杯子的動作意圖,取得了以下研究成果:
(1)本文主要研究了EEG信號的頻域特征、時頻特征以及共同空間模式(commonspatial pattern,CSP)的分類識別率,并做了比較與分析,研究發(fā)現(xiàn)提取的CSP特征能夠獲得較好的分類正確率;從方差、幅值平均絕對值以及峰值三個方面,對動作意圖血氧信號做了分
3、析,發(fā)現(xiàn)兩種動作意圖的血氧變化不一致;幅值平均絕對值特征能較好地區(qū)分兩種動作意圖。通過對EEG和NIRS的特征研究發(fā)現(xiàn)在左側(cè)腦區(qū)移動杯子意圖的激活強(qiáng)于拿杯子喝水意圖,而在右側(cè)腦區(qū)喝水意圖的激活更強(qiáng),說明了動作意圖的理解存在偏側(cè)化。
(2)為了充分地利用雙模態(tài)信號,本文構(gòu)建的BCI系統(tǒng)輸出決策之前做了數(shù)據(jù)融合處理。本文的兩類信號來自于兩種不同類型的傳感器,因此本文以研究基于線性判別分析(linear discriminant a
4、nalysis,LDA)的特征層融合為主。首先利用LDA分別對提取到的EEG信號以及NIRS信號的特征做模式分類,獲得單模態(tài)的分類準(zhǔn)確率;然后利用基于LDA的特征層融合,把兩種類型的單模態(tài)特征信息聯(lián)合起來再做模式分類,獲得融合之后的識別正確率?;贚DA的雙模態(tài)特征層融合BCI系統(tǒng)分類正確率均值達(dá)74.4%,均比任意單模態(tài)分類正確率高。且因?yàn)椴捎脭?shù)據(jù)融合技術(shù),致使對某類腦信號采集技術(shù)反應(yīng)不明顯的被試者,可以在另一種技術(shù)上獲得補(bǔ)充,于是雙
5、模態(tài)獲得的平均分類正確率比EEG單模態(tài)提高4.2%,比NIRS單模態(tài)提高19.8%。并且基于LDA的特征層融合將融合和決策同時進(jìn)行節(jié)約了系統(tǒng)信號處理的時間,提高了響應(yīng)速度。
(3)本文還提出基于誤差反向傳播算法(error back propagation algorithm,BP)的決策層融合方法:首先利用BP分別對EEG信號以及NIRS信號提取的特征做模式分類,然后把兩類信號的輸出結(jié)果串聯(lián)作為BP的輸入變量,即可實(shí)現(xiàn)決策層
6、融合。BP決策層融合的識別正確率比單模態(tài)的亦有提高,但不及LDA的特征層融合的??赡芤?yàn)樘卣鲗尤诤峡梢匀菁{較多的信息,提高了系統(tǒng)的可信度,而決策層融合包含的信息或許不及特征層融合豐富。LDA有嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)理論,其參數(shù)能夠在訓(xùn)練中獲取;而BP則更依賴于數(shù)據(jù)集的先驗(yàn)知識,以采用適合的參數(shù)。BP是依據(jù)經(jīng)驗(yàn)風(fēng)險最小化原則,易于收斂得局部最優(yōu)解。采用雙模態(tài)數(shù)據(jù)融合構(gòu)建BCI系統(tǒng),使得系統(tǒng)的時間覆蓋能力和空間覆蓋能力得以提高,信息模糊度得以降低,以致
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 動作意圖理解的雙模態(tài)分析及分類研究.pdf
- 基于EEg-NIRS的少通道腦機(jī)接口研究.pdf
- 大鼠EEG-NIRS信號采集處理系統(tǒng)設(shè)計.pdf
- 雙模態(tài)特征融合的踝關(guān)節(jié)主動動作模式識別.pdf
- 基于深度學(xué)習(xí)的雙模態(tài)生物特征識別研究.pdf
- 基于指紋與手指靜脈的雙模態(tài)識別算法研究.pdf
- 基于表情和語音雙模態(tài)的兒童情感識別研究.pdf
- 基于流形學(xué)習(xí)的雙模態(tài)生物識別算法研究.pdf
- 基于融合語音和圖像的雙模態(tài)身份識別研究.pdf
- 基于姿態(tài)和表情的雙模態(tài)情感識別方法研究.pdf
- 基于姿態(tài)和表情的雙模態(tài)情感識別方法研究
- 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
- 基于面部表情和生理信號的雙模態(tài)情感識別研究.pdf
- 基于手指折痕與手指靜脈的雙模態(tài)識別算法研究.pdf
- 基于動作屬性分類器的行為識別研究.pdf
- 基于SVM分類器的動作識別系統(tǒng).pdf
- 雙模態(tài)人臉識別系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 融合人臉表情和語音的雙模態(tài)情感識別研究.pdf
- 基于雙模態(tài)特征和支持向量機(jī)的視頻自動分類算法研究.pdf
- 用于運(yùn)動感覺BCI系統(tǒng)的基于EEG的不同手部動作之間的識別.pdf
評論
0/150
提交評論