基于脑电信号的运动辨识方法设计.docx

摘要：脑-机接口（Brain-Computer Interface，BCI）是直接经由脑电信号与外界进行通信控制的系统，国际首次BCI大会对BCI系统进行了定义，即“脑机接口技术是一种不依赖于正常的由外周神经和肌肉组成的输出通路的通信系统”。由于BCI技术可以直接通过大脑与外部设备通讯，因而其应用十分广泛，不仅可以应用于医学治疗领域，还可以用于辅助控制、娱乐，具有广阔的发展前景。

论文起首论述了脑-机接口的基础理论知识及BCI研究的关键技术，还介绍了其国内外研究近况和研究意义。其次，介绍了脑电信号的基础理论：大脑的基本结构和功用、脑电信号的形成机制及其特点，然后又阐释了运动想象脑电信号的特征，即特征分类依据。再次，本文参照2008年脑-机接口竞赛，设计了一个基于左右手运动想象的脑电图信号采集实验，详细介绍了信号采集实验的准备过程及相关注意事项、实验设计、实验设备。然后对收集得到的数据进行预处理，本文运用的预处理措施是小波阈值去噪、带通滤波。接着介绍特征提取常用方法，此次特征提取运用的方法是离散小波变换。最后，论文介绍了两种经常使用的脑电分类方法：线性判别分类和支持向量机分类方法，详尽地阐释了线性判别分类和支持向量机分类的基本原理，并给出了实验结果，说明了算法的有效性。

关键词：脑机接口，脑电波，运动想象脑电信号，特征提取，小波变换

目录

摘要

Abstract

第 1 章 绪论-1

1.1 前言-1

1.2 研究概况-1

1.2.1 国外研究背景-1

1.2.2 国内研究背景-2

1.3 研究目的和意义-2

1.4 论文主要工作内容-3

第 2 章 脑电信号基础知识-4

2.1 大脑组成和功能-4

2.2 脑电信号产生原理-4

2.3 脑电信号的特点-5

第 3 章 脑电信号采集与预处理-7

3.1 脑电信号采集-7

3.1.1 实验准备-7

3.1.2 实验设计-7

3.1.3 实验设备-8

3.2 脑电信号预处理-9

3.2.1 小波阈值消噪-10

3.2.2 带通滤波-13

第 4 章 运动想象脑电信号特征提取-16

4.1 时域分析方法-16

4.2 频域分析方法-16

4.3 时频分析方法-17

4.3.1 短时傅立叶变换-18

4.3.2 小波变换-19

第 5 章 运动想象脑电信号特征分类-21

5.1 线性判别分类算法-21

5.1.1 线性判别分析基本原理-21

5.1.2 Fisher线性判别分类准则-22

5.1.3 线性判别分析的分类结果-24

5.2 SVM分类算法-24

5.2.1 SVM分类基本原理-24

5.2.2 SVM分类结果-26

第 6 章 总结展望-27

6.1 课题总结-27

6.2 未来工作展望-27

致    谢-32

参考文献-29