论文部分内容阅读
针对运动想象脑机接口系统自适应能力不足,识别率低的问题,利用事件相关同步现象,即通过脑电采集装置采集相应的脑电信号,对其进行数据采集,预处理,特征提取和分类和模式识别等手段,进而实现对运动想象脑电信号识别。具体如下: 说明脑电信号的产生,以及相比于其他信号的区别和特点,重点介绍脑电信号的节律特性,讲述了脑电信号的研究背景以及在此背景下进行的方法突破和创新。 对收集到的信号进行预处理。对采集来的源信号先进行消躁处理,用来减少实验误差是必要的,再通过一种优化的独立分量分析,在传统独立成分分析算法的基础上,结合权值迭代公式和偏差调制公式进行第二次估计,得到比第一次独立成分分析分离更精确逼近信号源的结果,其目的是用于去除脑电信号中参杂着的伪迹信号,例如:眼电、心电信号的干扰,从而达到提取出纯净脑电信号的目的。通过同传统的独立成分分析算法相比,优化的算法具有更强的灵敏度和准确性。在提取的脑电信号中,我们通过优化的独立成分分析算法能够分离区非常清晰、完整的且不参杂其他干扰的纯净的信号,虽然在运算时间方面相比于其他方法比较慢,但在总体的信噪比方面却优势明显,提高显著。 从脑电控制物体如鼠标、玩具车等简单移动方向出发,对大脑在想象物体运动的四个方向时脑电信号的不同特征分类。目的是通过听觉诱导大脑做出想象物体运动。采用离散小波变换和小波包变换两种方法对信号进行特征提取。分别用传统的小波变换的方法求小波子带能量和作为特征值,以及小波包变换方法求取的四种节律能量均值和小波包熵作为为特征值。 实验选取3名志愿者每个方向采集的120个样本进行离线仿真,90个样本用于训练,剩余30个作为测试,分别用小波子带能量和为特征量的20维数据和小波包四种节律波的能量均值与小波熵为特征量的20维数据作为分类器的输入,得到平均识别率。