论文部分内容阅读
近些年来,计算机技术迅速发展,人工智能也变得越来越火热,越来越多的专家学者开始着手研究脑电信号与计算机的结合。而脑机接口BCI(Brain Computer Interface)技术是在人脑或动物脑(或者脑细胞的培养物)与计算机等外部设备建立了直接连接通路,通过对脑电信号进行采集、记录、计算等,将大脑的思维活动翻译成计算机可以执行的指令,从而实现大脑与外界智能设备的交互与控制。脑机接口绕过了患者损伤的神经肌肉系统,让大脑产生的含有生理状态和指令脑电信号重新得到利用,让人脑与外界重新进行交互,为患者带来新的希望,具有重要的研究价值和发展前景。本文将运动想象脑电信号作为研究对象,根据运动想象脑电信号具有事件相关去同步(Event Related Desynchronization,ERD)和事件相关同步(Event Related Synchronization,ERS)现象,针对运动想象脑电信号的特征提取问题,采用频带能量特征特征提取、共同空间模式(Common Spatial Pattern,CSP)、双树复小波和近似熵的特征提取方法,对于脑电信号的分类问题,则采用支持向量机的方法进行分类。主要进行了以下几个方面的研究:(1)对实验进行设计并采集数据。本文所采用的数据均由研究人员采集得到,对实验进行了相应的设计,同时邀请了20位大学生进行此次实验,将其数据进行采集,并且作为后续研究所需的数据来源。(2)研究了脑电信号的特征提取方法。本文分别采用了频带能量特征提取、共同空间模式、双树复小波以及近似熵的特征提取方法,比较其各种方法最后分类的准确率,以求得一种较好的特征提取方法。(3)研究了脑电信号的模式分类方法。主要运用了支持向量机(Support Vector Machine,SVM)分类方法,研究了在选用径向基核函数的情况下,通过改进传统的网格搜索法寻找最优参数的问题,并用仿真结果证明了改进后的算法明显的提高了寻找最优参数的效率。