多分类脑电数据集创建及分类算法研究

发布时间：2025-04-27 00:27

　　脑机接口(Brain-Computer Interface,BCI)是一种通过人的大脑与外部世界交流的技术,涉及计算机科学、康复医学、信息处理等领域,是一种新的人机交互方式。BCI系统通过分析识别脑电信号并将其转化为对外界设备的控制命令,为严重残疾、失去部分运动或表达功能的患者提供了与外界交互的机会。卷积神经网络(CNN)是一种常用的分类脑电信号的算法。由于其具有局部连接和权值共享的特性,能够提取脑电信号深层次的特征,在脑电信号的分类研究中有出色表现。CNN的分类性能包括分类精度、分类速度以及泛化能力等方面。由于原始数据量的问题,大多数提升分类算法性能的方法是不断改进算法结构以适应已有的带标记数据,虽然有些文献的分类精度已达到很高的水平,但因受到数据库样本数及被试者数量的限制导致其泛化能力不强的问题仍亟需解决。提高分类器泛化能力最理想的方法是使用更多带标记的训练数据。但由于运动想象脑电信号的实验设计与数据采集对专业技术及客观环境要求较高,所以目前比较权威的数据库大多数都是在使用有限的几个竞赛数据集,其中的被试者的数量及所采集的有效数据较少,严重制约了相关研究工作的开展。因此在本文的研究中...

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图1-1左右手脑电ERP图

脑电信号非常微弱,分布在0-100hz的频率范围内,包括α波(8-13hz)、β波(13-22hz)、θ波(4-7hz)和δ波(0.5-3hz)。在大脑进行想象运动或受到刺激时,大脑皮质特定区域的代谢和血流增加,导致特定频段振荡的幅度降低,这种现象叫做事件相关去同步化(Event....

图1-2脑机接口基本处理框图

脑机接口处理主要包括脑电信号采集设备、信息处理、信号分类、控制装置与反馈等五个部分,如图1-2所示。原始脑电数据经过预处理以去除噪声和伪影[12,13],然后从脑电数据中提取特征,并可选择最显著的特征进行分类。基于提取的特征,分类器识别出用户所想象的运动种类。1.3.1脑电信号....

图2-1竞赛集实验范式

竞赛数据集IV2a的实验范式如图2-1所示,实验开始时(t=0s),屏幕出现十字交叉并发出运动想象提示音,2s后(t=2s)出现一个持续1.25s的向左、右、上或下的箭头(分别表示左手、右手、舌、脚)提示被试开始运动想象,没有提供反馈。被试需要一直执行运动想象至t=6s,接着是1....

图2-2 22电极图

图2-1竞赛集实验范式2.2数据采集

本文编号：4041597