【摘 要】
:
脑-机接口是一种不经过传统的神经肌肉通道传输,直接将大脑与外界设备相连,通过软硬件设备结合将脑电信息转化为对外控制命令的通信系统。但是脑电活动信号在人与人之间,甚至
论文部分内容阅读
脑-机接口是一种不经过传统的神经肌肉通道传输,直接将大脑与外界设备相连,通过软硬件设备结合将脑电信息转化为对外控制命令的通信系统。但是脑电活动信号在人与人之间,甚至是相同受试者在不同时间都会高度变化,这严重制约了脑-机接口技术在实际中的应用。因此需要研究一种全自动的EEG分类系统,而该系统最复杂之处在于EEG信号在特征提取之前时间段和频带的选择问题。为此,本论文提出两种方法来选择受试者各自最优的时频间隔,以提升脑-机接口应用中EEG信号特征提取的有效性。第一种方法是小波包分解与共空域模式结合的方法。原始EEG信号经过8-30Hz滤波之后,经过小波包分解和重构,再将重构信号通过CSP算法进行特征提取。其主要创新点在于多通道数据进行小波包分解之后,通过自适应方法选择某些重要子空间的分解系数进行重构,以达到个性化频带选择的目的。通过三种不同频带选择方法,对6组基于两分类运动想象的BCI进行处理数据,结果显示该方法得到最优的分类结果,验证了该方法的可行性及有效性。第二种方法是采用滑动窗对多类脑电数据进行分析,自动得出每个受试者对分类起重要作用的时间段、频带及分类结果。子数据段处理方式比较简单,采用的共空域模式算法进行特征提取和KNN分类器进行分类。通过对第四届国际BCI竞赛数据集Graz Dataset2a的9个数据进行三分类和四分类实验,分别得到组内间单独数据T(E)交叉验证和组外间T(E)到E(T)传输两种情况下的最佳分类正确率、时间段及频带。实验结果不仅验证了个体间及相同个体试验间的差异性,还表明滑动窗对每个受试者进行不同类别想象运动时自动选择其合适的时间段和频带有助于提升分类正确率。
其他文献
图像超分辨率就是指利用一幅或多幅低分辨率图像,通过信号处理技术获得一幅清晰的高分辨率图像。超分辨率重建算法包括单幅图像的超分辨率重建算法和多幅图像的超分辨率重建
近年来,国家交通基础设施发展迅速,公路、铁路和地铁隧道的规模显著增加,为满足其质量检测和日常维护需求,建立一种能够自动解释复杂场景GPR数据的框架日益迫切,尤其是在地下
电离层是地球大气环境中最为关键的部分,电离层的监测对移动通信、载人航天、卫星定位和导航等活动有着重要的影响。非相干散射雷达(ISR)是探测电离层最强大的地基设备,其具
无线传感器网络(Wireless Sensor Networks,WSNs)是由部署在监测区域内大量的微型传感器节点通过无线通信的方式形成的一个多跳的自组织网络系统,其目的是协作地感知、采集和
信道编码盲识别在数字通信领域中具有非常重要的意义,一般是在少有或者没有任何先验条件的基础之上,仅根据截获的码流信息对原始信息的编码体制以及各类参数进行恢复。本文主
高校工程训练中心是培养工程技术人才的主要实践场所,但其传统的管理方式及单一落后的训练方式,不但阻碍了校园信息化的推广,更加不利于学生工程意识、创新能力的培养。鉴于
最近几年,随着各种智能设备如手机、平板电脑、智能电视等的普及,人与计算机之间的交互活动越来成为人们日常生活中不可或缺的一个重要组成部分。自然人机交互系统充分利用了这
近年来,随着通信技术与航空事业的快速发展,后舱通信也越来越受到人们的关注,特别是空中WIFI上网这个概念。实现旅客空中接入的诉求要求未来航空通信系统具备宽带传输能力和
近年来,越来越高端的技术需求,推动着机器视觉技术的发展,作为机器视觉重要组成部分的运动目标检测技术也逐渐成为了国内外专家学者的研究重点。视频图像处理平台丰富多样,其中FP
汽车工业的迅速发展,给人们带来方便的同时,也带来了安全的隐患。每年交通事故频发,而大部分是驾驶员自身原因引起的。因此,给驾驶员提供辅助驾驶,当有危险发生时,提前给驾驶