基于非平稳时间序列分析方法的脑电信号模式识别

摘要

脑电信号中蕴含着非常丰富的大脑活动信息，通过对脑电信号的有效处理和分析，可以大致判断出不同的脑机能状态。通过应用计算机技术、非平稳时间序列分析法和信号处理方法，可提取脑电信号中的特征参数并对其进行模式识别研究。
　　本文主要研究不同动作运动想象的脑电信号的识别分类问题。在对脑电信号进行预处理后，选取不同模式相同时间段差异性最大的序列段作为本文脑电信号分析识别的时间序列段，同时建立各时间点与序列段平均值的线性回归方程，并通过多元回归分析法分离其趋势分量与波动分量。
　　利用多变量的时变参数向量自回归(Time Varying Vector Auto-regressive-TVVAR)模型对波动分量序列进行分析，进一步提取其特征参数。并分别探讨了以误差矩阵的范数与最小奇异值、马氏距离及其χ2值作为识别指标对脑电信号进行分类识别的效果与可信度，经分析后选用马氏距离及其χ2值作为本文脑电信号的识别指标。经研究分析发现，在本实验条件下时间序列段长度为12时，脑电信号的识别率较高，其马氏距离及其χ2值的平均识别率分别为96.11％、95%。本文通过模拟试验证明了TVVAR模型是可以用来识别不同动作运动想象的脑电信号，为脑电信号识别提供了一种新的思路，希望有助于利用相应的假肢技术，有效地帮助残障人士用脑电波控制假肢实现动作。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 引 言

1. 1研究背景

1. 2 脑电检测分析的历史与现状

1. 3 茧丝纤度序列研究与非平稳时间序列分析方法

1. 4 本课题的研究内容与意义

第二章 时间序列及其分析模型和方法介绍

2. 1 时间序列分析介绍

2. 2 自协方差非平稳时间序列模型及其分析模型

2. 3 判别分析的指标

2. 4 编程系统

2. 5 本章小结

第三章 实验设计与数据采集

3. 1 实验方法和方案设计

3. 2 实验设备和条件

3. 3 数据收集

3. 4 本章小结

第四章 脑电信号处理与分析

4. 1 脑电信号的预处理

4. 2 选取分析识别的序列段

4. 3 待识别序列的回归分析

4. 4 波动分量的分析

4. 5 本章小结

第五章 识别方法的应用与结果分析

5. 1 各种识别参数的实验结果

5. 2 识别结果的验证分析及比较

5. 3 实验验证

5. 4 本章小结

第六章 结论与展望

参考文献

攻读学位期间公开发表的论文

附录

致谢