基于小波变换和熵理论对思维脑电伪差消除及特征提取方法的研究

摘要

基于脑电 (electroencephalograph，EEG) 信号的脑．计算机接口是近年来一个热门的研究领域。随着对大脑生理结构认识的深化，人们开始对人脑思维进行探索。在思维脑电研究方面，虽然研究空前活跃，但是仍没有得到重大突破，因此引起广大研究工作者的兴趣。本文核心部分详细论述了对脑电伪差信号进行消除，以及提取思维脑电特征和识别思维脑电的方法。本课题以基线 (baseline)、乘数(multiplication)、字母组合 (letter cornposing)、计数 (counting)、旋转 (rotation)五种思维脑电信号为例，进行伪差消除、特征提取及思维识别。 首先对原始脑电信号进行小波分解，然后在低频信号上利用双正交样条小波对EEG 信号进行二进小波变换，进而求出小波模极大值，最后通过一系列策略匹配出相应的极大极小值对来确定出伪差信号的起止点和结束点，然后将伪差信号滤掉，最后再重构出没有伪差信号的脑电信号，从而达到消除伪差信号的目的。 利用之前的去伪差信号后的各层分解信号，计算其小波熵，所有导联的小波熵即可代表该段脑电信号的思维特征。之后本人设计一个单隐层 BP 神经元网络，用大量小波熵代表的思维脑电特征对 BP 神经元网络进行训练，然后对未参与训练的特征进行识别。 为便于对脑电信号进行系统分析，本人设计了一套软件，整个软件系统在MATLAB 7.0 的环境下编写而成。其主要实现思维脑电信号读入，进行伪差消除、思维特征提取与识别，最终得到正确的特征识别结果。其中可以根据经验参数对系统进行修正，降低误判率、提高相应的识别率。

目录

文摘

英文文摘

声明

第一章绪论

1.1脑电信号研究发展动态

1.1.1脑—计算机接口技术介绍

1.1.2脑电信号研究动态

1.2脑电基本理论

1.2.1脑的生理结构

1.2.2脑电波的组成

1.2.3自发脑电

1.2.4诱发电位

1.2.5思维脑电

1.3脑电信号分析技术

1.3.1小波变换法

1.3.2熵理论

1.3.3人工神经网络(ANN)分析法

1.3.4其他方法

1.4本课题的目的和任务

第二章思维脑电信号的伪差消除算法

2.1小波变换

2.1.1小波变换的基本概念

2.1.2二进小波变换

2.1.3小波模极大值

2.2伪差信号检测

2.3伪差信号消除

第三章思维脑电信号的特征提取算法

3.1熵理论在特征提取中的应用

3.1.1熵

3.1.2信息熵

3.1.3小波熵

3.2小波熵特征提取算法

第四章思维脑电信号的识别算法

4.1人工神经元网络概述

4.1.1人工神经网络的特点

4.1.2基本功能

4.1.3应用领域

4.2与传统分类器的对比

4.3 BP神经网络

4.3.1神经元模型

4.3.2 BP神经元网络分类器

4.3.3 BP神经元网络

4.4 BP网络学习算法

4.5 BP神经网络设计的原则

4.5.1 BP网络参数设计

4.5.2 BP网络结构设计

4.6思维脑电信号的识别过程

第五章实验过程及结果分析

5.1数据来源

5.2伪差信号消除过程与结果分析

5.2.1伪差信号消除过程分析

5.2.2伪差信号消除结果分析

5.3思维特征提取过程与结果分析

5.3.1特征提取过程分析

5.3.2特征提取结果分析

5.4思维脑电信号识别过程与结果分析

5.4.1识别过程分析

5.4.2识别结果分析

第六章总结与展望

6.1总结

6.2展望

参考文献

致谢