版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、基于想象運(yùn)動(dòng)的腦機(jī)接口為運(yùn)動(dòng)功能?chē)?yán)重受損的癱瘓病人提供了一種恢復(fù)與外界交流及部分運(yùn)動(dòng)輸出能力的有效手段。伴隨想象運(yùn)動(dòng)輸出的事件相關(guān)同步/去同步的生理學(xué)現(xiàn)象奠定了這類(lèi)腦機(jī)接口的生理學(xué)基礎(chǔ)。由于大腦活動(dòng)的復(fù)雜性,僅僅想象運(yùn)動(dòng)的機(jī)制仍未能完全了解清楚,以及其因人、因時(shí)而異的特點(diǎn),到目前為止,想象運(yùn)動(dòng)的分類(lèi)正確率普遍還不高,且個(gè)體差異性很大,因而限制了此類(lèi)腦機(jī)接口的實(shí)際應(yīng)用范圍。針對(duì)想象運(yùn)動(dòng)的腦機(jī)接口中存在的分類(lèi)正確率不高以及每次實(shí)驗(yàn)或應(yīng)用時(shí)都
2、需要較長(zhǎng)時(shí)間的重新訓(xùn)練兩大問(wèn)題,經(jīng)分析可以從信號(hào)采集、特征提取以及模式分類(lèi)等幾個(gè)環(huán)節(jié)入手改善,本文主要圍繞特征提取這一重要環(huán)節(jié)展開(kāi)了如下工作:
針對(duì)分類(lèi)正確率不高這一問(wèn)題,本文分別對(duì)多通道腦電信號(hào)以及少通道腦電信號(hào)兩種情況進(jìn)行分析、研究。在多通道腦電信號(hào)應(yīng)用中,由于大量通道間的腦電信號(hào)存在很強(qiáng)的空間相關(guān)性、節(jié)律活動(dòng)的頻段存在個(gè)體差異性以及非平穩(wěn)性,針對(duì)腦電信號(hào)的這一特點(diǎn),本文在特征優(yōu)選框架下,提出了同時(shí)優(yōu)化時(shí)間段分布、通道分布
3、以及優(yōu)選空頻特征的時(shí)、空、頻聯(lián)合優(yōu)化方法以提高原始信號(hào)的信噪比、提取想象運(yùn)動(dòng)中最有區(qū)分度的信息。為了彌補(bǔ)傳統(tǒng)的空間濾波器算法中存在的特征提取無(wú)法與最小貝葉斯分類(lèi)誤差率建立直接聯(lián)系的缺點(diǎn),本文繼而深入研究了基于極大化互信息熵的空頻特征優(yōu)化問(wèn)題,在這一優(yōu)化框架下,我們提出了基于坐標(biāo)輪換思想的梯度上升優(yōu)化方法來(lái)優(yōu)化目標(biāo)函數(shù),將本文提出的空頻特征優(yōu)化方法以及時(shí)、空、頻聯(lián)合優(yōu)化方法與現(xiàn)有的研究工作作比較,可以發(fā)現(xiàn)本文提出的方法具有明顯的分類(lèi)正確率
4、優(yōu)勢(shì)。
針對(duì)少通道腦電信號(hào)的應(yīng)用情況,由于在此情況下信號(hào)本身空間信息量有限,如何最有效的利用頻域信息成為彌補(bǔ)空間信息量不足的一條解決途徑。本文提出利用高階統(tǒng)計(jì)量分析工具―雙譜分析方法來(lái)提取腦電信號(hào)中多個(gè)頻帶間非線性作用以及非高斯性的區(qū)分度信息。與傳統(tǒng)的二階矩分析方法相比較,本文研究的多頻帶下積分雙譜特征能夠提取腦電信號(hào)中多個(gè)頻段非線性作用的信息,通過(guò)實(shí)驗(yàn)數(shù)據(jù)分析可以發(fā)現(xiàn)多頻帶雙譜特征可以挖掘出優(yōu)于傳統(tǒng)帶通能量特征的區(qū)分度信息,
5、從而為提高少通道下想象運(yùn)動(dòng)的分類(lèi)正確率提供有效的途徑。
為了減少腦機(jī)接口訓(xùn)練時(shí)間,增強(qiáng)其長(zhǎng)期服役性能,本文研究了同時(shí)更新共空域模式CSP特征抽取矩陣與半監(jiān)督自適應(yīng)分類(lèi)器參數(shù)的學(xué)習(xí)算法對(duì)減少訓(xùn)練樣本數(shù)目的作用。通過(guò)利用無(wú)標(biāo)簽的測(cè)試數(shù)據(jù)來(lái)擴(kuò)充樣本量有限的訓(xùn)練集數(shù)據(jù),本文提出的算法經(jīng)實(shí)驗(yàn)數(shù)據(jù)分析表明,此方法為減少腦機(jī)接口的訓(xùn)練樣本提供了一種有效的解決方法。
本論文的主旨在于通過(guò)理論與實(shí)驗(yàn)數(shù)據(jù)分析相結(jié)合,為提高腦機(jī)接口的分類(lèi)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于運(yùn)動(dòng)想象的腦機(jī)接口特征提取與模式分類(lèi)方法研究.pdf
- 基于運(yùn)動(dòng)想象的腦-機(jī)接口特征提取和分類(lèi)算法研究.pdf
- 運(yùn)動(dòng)想象腦機(jī)接口的特征提取與模式分類(lèi)研究.pdf
- 腦—機(jī)接口中運(yùn)動(dòng)想象腦電信號(hào)的特征提取和分類(lèi)方法研究.pdf
- 基于腦—機(jī)接口的想象運(yùn)動(dòng)腦電信號(hào)的分析.pdf
- 運(yùn)動(dòng)想象腦電信號(hào)特征提取研究.pdf
- 想象運(yùn)動(dòng)的腦電特征提取及分類(lèi)研究.pdf
- 基于運(yùn)動(dòng)想象的腦機(jī)接口研究.pdf
- 多任務(wù)腦-機(jī)接口空域?yàn)V波與特征提取方法的研究.pdf
- 運(yùn)動(dòng)想象腦電信號(hào)的特征提取算法研究.pdf
- 基于運(yùn)動(dòng)想象的腦機(jī)接口的研究.pdf
- 運(yùn)動(dòng)想象腦電信號(hào)的特征提取算法的研究.pdf
- 左右手運(yùn)動(dòng)想象腦電采集和特征提取方法初探.pdf
- 運(yùn)動(dòng)想象腦電信號(hào)特征提取與分類(lèi)研究.pdf
- 基于運(yùn)動(dòng)想象電位的腦機(jī)接口研究.pdf
- 基于運(yùn)動(dòng)想象的腦-機(jī)接口的算法研究.pdf
- 運(yùn)動(dòng)想象腦電信號(hào)的特征提取與識(shí)別算法研究.pdf
- 面向運(yùn)動(dòng)想象的腦電信號(hào)特征選擇與特征提取算法研究.pdf
- 基于核方法的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與特征提取研究
- 基于運(yùn)動(dòng)想象腦電的運(yùn)動(dòng)控制腦_機(jī)接口研究
評(píng)論
0/150
提交評(píng)論