運(yùn)動(dòng)想象腦電信號(hào)的分析與處理算法研究.pdf

1、將采集到的腦電信號(hào)（Electroencephalogram，EEG）經(jīng)過(guò)預(yù)處理、特征提取和分類識(shí)別等步驟，最終輸入到計(jì)算機(jī)或者相關(guān)的電子設(shè)備里，外部設(shè)備通過(guò)解讀人腦不同意識(shí)活動(dòng)狀態(tài)做出相對(duì)應(yīng)的動(dòng)作，這就是腦-機(jī)接口（Brain Computer Interface，BCI）技術(shù)的實(shí)現(xiàn)過(guò)程。BCI能給一些身體不能動(dòng)彈而思維清醒的人帶來(lái)重新與外界交流的機(jī)會(huì)，在康復(fù)領(lǐng)域具有極其重大的研究?jī)r(jià)值。
　　本文基于兩類運(yùn)動(dòng)想象腦電信號(hào)，以運(yùn)動(dòng)

2、想象數(shù)據(jù)長(zhǎng)度作為切入點(diǎn)，分別研究了左右手運(yùn)動(dòng)想象和小樣本的右手右腳運(yùn)動(dòng)想象的腦電信號(hào)。針對(duì)腦電信號(hào)信噪比低、非平穩(wěn)性以及分類識(shí)別正確率不高等特點(diǎn)，對(duì)腦電信號(hào)分別從預(yù)處理、改進(jìn)特征提取算法、優(yōu)化分類器性能三方面出發(fā)，提高對(duì)兩類運(yùn)動(dòng)想象信號(hào)識(shí)別的正確率。本文的主要工作如下：
　　(1)在軟閾值去噪的基礎(chǔ)上，提出一種改進(jìn)閾值去噪算法。以信噪比、均方根誤差為去噪效果的定量指標(biāo)，將改進(jìn)的閾值算法與硬閾值、軟閾值法、Garrote閾值法進(jìn)行比

3、較。改進(jìn)閾值算法在一定程度上消除了腦電信號(hào)中的毛刺，使信號(hào)更加平滑，同時(shí)也提高了EEG信噪比。
　　(2)將小波包分解算法和CSP算法相結(jié)合，對(duì)腦電信號(hào)進(jìn)行特征提取。根據(jù)腦電信號(hào)的事件相關(guān)去同步/同步現(xiàn)象，利用功率譜分析和信號(hào)的平均功率得到發(fā)生想象的時(shí)間和頻率段。利用小波包具有對(duì)高低頻信號(hào)同時(shí)進(jìn)行分解的特點(diǎn)，引進(jìn)小波包分解算法特征提取腦電信號(hào)時(shí)頻域的信息。針對(duì)采集到的EEG信號(hào)中隱含空間域的信息，利用CSP算法提取腦電信號(hào)中的空間

4、域信息。時(shí)域、頻域和空間域三者都進(jìn)行特征提取，能夠保證提取到的特征具有完整性，提高分類識(shí)別正確率。
　　(3)針對(duì)傳統(tǒng)CSP算法處理小樣本的腦電信號(hào)數(shù)據(jù)時(shí)，多個(gè)樣本的協(xié)方差估計(jì)會(huì)產(chǎn)生偏差的缺點(diǎn)，提出正則化的CSP算法（R-CSP）。該算法通過(guò)尋找多位實(shí)驗(yàn)者之間的腦電信號(hào)的相關(guān)性，彌補(bǔ)了由于實(shí)驗(yàn)數(shù)據(jù)不足而引起的分類誤差。通過(guò)最優(yōu)參數(shù)的選取，提取到最佳的特征向量，輸入到分類器中得到最終的實(shí)驗(yàn)結(jié)果。
　　(4)采用遺傳算法和傳統(tǒng)的