左右手脑电信号分类算法设计.docx

摘要：大脑是人认识世界，传递思想，控制行为活动的重要中枢。然而很多疾病会破坏大脑的神经通路，导致病人不能控制自己的肌肉活动。脑-机接口技术（BCI）是一种基于脑电信号的的系统，它不利用传统的神经肌肉生理通道，而是在大脑和计算机或者其他设备之间建立了一种信息交流通道和控制通道，在医学领域，辅助控制，监控，娱乐，脑认知等方面有很多应用，它主要由脑电信号预处理、特征提取、分类等几部分构成。

脑电信号（EEG）具有微弱、信噪比低、易受到干扰、非平稳性等特点。通过电极帽采集到的运动想象脑电信号根据频率范围的不同可以分为很多类，其中某些频率范围的信号是采集过程中的干扰信号，预处理就是去噪和滤波的过程。本文着重介绍了小波阈值去噪和椭圆形滤波器滤波的方法。在预处理之后，脑电信号中有效的的特征向量需要被提取出来从而进行分类。在特征提取中，本文采用了小波变换法，针对连续小波变换和离散小波变换也均有论述。最后一部分是基于左右手脑电信号的分类判别，提取出的特征向量经过线性分类器的处理，就实现了脑电信号分类，即判别是左手运动想象的结果还是右手运动想象的结果。本文实验结果表明，基于运动想象的左右手脑电信号的分类正确率可达90%，这个实验结果为后续的BCI技术研究提供了基础。

关键词：脑-机接口（BCI），脑电信号（EEG），运动想象，小波变换，线性分类器

目录

摘要

Abstract

第1章 绪论-1

1.1 课题研究背景及意义-1

1.2 脑-机接口技术概述-1

1.2.1基本概念-1

1.2.2研究的意义-1

1.2.3国内外研究现状-2

1.3 本文研究的主要内容及各章安排-4

第2章 运动想象的脑电信号-5

2.1 脑电信号的产生-5

2.2 脑电信号的特点及分类-5

2.3 脑电信号的采集-6

2.4 本文数据来源介绍-8

第3章 脑电信号预处理-11

3.1 小波阈值去噪-11

3.2 椭圆滤波器滤波-13

第4章 脑电信号特征提取-16

4.1 连续小波变换-16

4.2 离散小波变换-17

4.3 小波变换下的特征提取-18

第5章 左右手脑电信号分类-21

5.1 线性分类器设计-22

5.2 线性分类器下的左右手脑电信号的分类-24

第6章 总结与展望-27

6.1 课题总结-27

6.2 展望-28

参考文献-29

致谢-30