收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的运动想象脑电信号分类算法研究

侯海波  
【摘要】:运动想象脑机接口系统一直以来都是脑机接口领域研究的热点,它可以将神经活动转化为辅助设备的控制命令来帮助残疾患者完成一些人体指令。但目前在精确理解大脑动态和对不同的运动想象脑电信号分类的工作中依旧面临着很多困难,尤其是在多种动作的分类问题中,如何有效提取特征和提高信号分类准确率,依然是现在需要解决的问题。本文主要使用深度学习的方法对四种动作的运动想象脑电信号进行分类分析,工作内容包括以下几个方面:(1)本文首先使用比较经典的共空间模式特征提取算法和支持向量机分类器对脑机接口竞赛中的Data 2a数据集(以下简称为Data 2a数据集)中的四种运动想象脑电信号进行分类,其结果作为深度学习方法的比较基准,以评估深度学习网络模型效果。(2)基于深度学习的方法对运动想象脑电信号进行分类。本文设计了一种长短期记忆神经网络模型,并设计使用Deep Net、EEGNet和MI-Net三种卷积神经网络模型,同样对Data 2a数据集中的四种运动想象脑电信号分类,所得分类准确率对比共空间模式算法有所提高。MI-Net的分类准确率最高,9名受试者的平均分类准确率可达到81.01%。从这几个深度学习网络模型的分类结果看,证明深度学习的方法可以自发提取运动想象脑电信号的特征,并可以达到较好的分类效果。(3)上述所提方法都集中针对原始脑电信号进行特征提取,输入形式上是将多个电极的运动想象脑电信号组合成特征向量。本文还研究了基于时域、频域和空域信息的运动想象脑电信号的分类方法,使用的数据集为Physionet数据库中14名受试者的想象左手、右手、双拳和双脚四类想象动作的脑电信号。保留信号时间,空间和频率的固有结构作为信号输入的形式,使用的深度学习网络模型为基于VGG改进的网络模型,在训练测试过程中,本文对单帧多帧输入,以及有无空间信息输入的分类结果做了对比,在多帧并且有空间信息输入的情况下四种运动想象脑电信号平均分类准确率在85%左右,分类精度最高,说明时域特征和空间信息特征对分类准确率的提高均起到了积极的作用。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 孟霏;张旭秀;;运动想象脑电信号的特征提取和分类进展[J];北京生物医学工程;2013年02期
2 张莉;王凯瑞;李杨;汪清山;蔡靖;王钢;;基于平移窗运动想象脑电信号活动段提取[J];电子技术应用;2021年09期
3 田敏婷;商玉林;陈珊;;基于非线性动力学的八类运动想象脑电信号特征提取方法研究[J];价值工程;2017年04期
4 胡剑锋;肖丹;穆振东;;基于二阶盲辨识的运动想象脑电信号分类[J];中国组织工程研究与临床康复;2008年13期
5 马也;常天庆;郭理彬;;运动想象脑电信号特征提取与分类算法研究[J];计算机工程与应用;2017年16期
6 李丽君;熊冬生;吴效明;;基于四类运动想象任务的脑电信号识别[J];中国组织工程研究与临床康复;2011年48期
7 施锦河;沈继忠;王攀;;四类运动想象脑电信号特征提取与分类算法[J];浙江大学学报(工学版);2012年02期
8 唐贤伦;周家林;张娜;刘庆;;基于深度信念网络的运动想象脑电信号识别[J];信息与控制;2015年06期
9 穆振东;胡剑锋;肖丹;;基于时频域分析的运动想象脑电信号分类[J];中国组织工程研究与临床康复;2009年26期
10 胡侠;吴耿锋;;基于运动想象脑电信号的导联排序研究[J];计算机工程与设计;2010年19期
11 于毅;赵云;李振新;董兵超;;左右手运动想象脑电信号的特征分析1[J];数字技术与应用;2014年09期
12 于毅;赵云;李振新;董兵超;;基于小波变换的运动想象脑电信号分类[J];数字技术与应用;2014年08期
13 苏田丰;路林吉;;一种基于运动想象的脑机接口软硬件系统设计与实现[J];机器人技术与应用;2021年02期
14 应基光;王行愚;;基于EMD的左右手运动想象脑电信号分析研究[J];生物医学工程学进展;2009年03期
15 赵丽;李小芹;边琰;王宣方;杨耿煌;;多模式刺激下运动想象脑电信号的特征调制研究[J];生物医学工程学杂志;2018年03期
16 卢扩锋;谢云;甘达雲;;多类运动想象脑电信号的识别[J];数字技术与应用;2019年09期
中国重要会议论文全文数据库 前20条
1 王涛;;基于幅域频域特征提取和岭回归分析的运动想象脑电信号分类研究[A];中国自动化学会华东六省一市学术年会论文摘要集[C];2018年
2 诸强;谢琳;;基于小波分析的运动想象脑电模式特征提取与分类[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
3 王毅军;洪波;高小榕;高上凯;;结合能量和相位特征的多分类想象运动脑-机接口[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
4 高克芳;;基于小波包和样本熵的脑电信号的分类方法研究[A];2011年通信与信息技术新进展——第八届中国通信学会学术年会论文集[C];2011年
5 陈渔;侯雨鑫;郭峰;;基于多尺度样本熵分析太极拳运动对中老年人静息态脑电信号的影响[A];第十二届全国体育科学大会论文摘要汇编——墙报交流(运动生理生化分会)[C];2022年
6 仇峰;;基于深度滤波网络的疲劳脑电信号多层次建模与学习[A];2020中国自动化大会(CAC2020)论文集[C];2020年
7 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集(上)[C];2001年
8 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年
9 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年
10 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集(第2卷)[C];2005年
11 张丹丹;丁海艳;侯新琳;叶大田;;新生猪缺氧缺血实验中脑电信号的伪差分析[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(上册)[C];2007年
12 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
13 胡楠;徐进;郑崇勋;;不同麻醉深度下脑电信号的复杂度研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
14 欧阳轶;郑崇勋;张崇;;基于脑电小波熵的生理性精神疲劳分析[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
15 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集(下册)[C];2006年
16 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年
17 王晨;张美云;王俊华;蒲柏仲;张莹;陈英;姜楠;王凤楼;;青少年肌阵挛癫痫不同导联分尺度脑电信号的相关性研究[A];第六届CAAE脑电图与神经电生理大会会刊[C];2018年
18 王舒欢;;基于复杂度的脑电信号分析[A];2015中国(天津)机电装备创新设计与产业发展高峰论坛论文集[C];2015年
19 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年
20 许佳;田学隆;葛国庆;刘虔诚;唐海英;温惠中;;非线性动力学脑电信号认知功能检测[A];2007'仪表,自动化及先进集成技术大会论文集(二)[C];2007年
中国博士学位论文全文数据库 前20条
1 苏镜;运动想象脑电信号识别理论与算法研究[D];广东工业大学;2021年
2 刘烨;多模态脑电模式识别方法及其应用[D];上海交通大学;2016年
3 孙爱芹;基于脑电信号的上肢假肢在线控制方法研究[D];山东科技大学;2017年
4 温廷羲;脑电信号特征提取及分类方法研究[D];厦门大学;2018年
5 李明阳;基于复合域分析的癫痫脑电信号检测算法研究[D];吉林大学;2018年
6 张涛;基于模糊分布熵和复值模糊分布熵的癫痫脑电信号自动分类算法研究[D];吉林大学;2019年
7 韩凌;脑电信号同步分析及癫痫发作预测方法研究[D];东北大学;2016年
8 王永轩;事件相关脑电信号单导少次提取与分类算法[D];大连理工大学;2013年
9 纪俐;基于任务运动行为模式及其脑电信号相关性研究[D];东北大学;2017年
10 陈东伟;非线性动力学、因果脑网络与聚类稳定性在脑电信号分析中的应用研究[D];太原理工大学;2015年
11 马小飞;认知任务下的脑电动力学分析[D];南京大学;2017年
12 张美云;阿尔茨海默病脑电信号多尺度时空定量特征研究[D];天津医科大学;2012年
13 周群;脑电信号同步:方法及应用研究[D];电子科技大学;2009年
14 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年
15 吴畏;基于统计建模的多导联脑电信号时空建模方法研究[D];清华大学;2012年
16 尤洋;基于复数域分析的致痫区脑电信号识别算法研究[D];吉林大学;2021年
17 张绍荣;基于稀疏优化的运动想象脑电解码方法研究[D];桂林电子科技大学;2021年
18 李红利;癫痫脑电信号的非线性分析[D];天津大学;2012年
19 王小毅;基于脑电信号分析的消费者品牌延伸评估决策研究[D];浙江大学;2008年
20 袁野;癫痫脑电的非线性方法分析[D];吉林大学;2009年
中国硕士学位论文全文数据库 前20条
1 侯海波;基于深度学习的运动想象脑电信号分类算法研究[D];哈尔滨工程大学;2021年
2 孟霏;脑机接口中运动想象脑电信号的识别方法和应用[D];大连交通大学;2013年
3 李涛;基于运动想象脑电信号的脑机接口相关算法研究[D];燕山大学;2017年
4 苏振新;基于运动想象的脑电信号分析研究[D];南京邮电大学;2017年
5 白小平;四类运动想象脑电信号特征分析与提取[D];北京理工大学;2015年
6 何帆;基于简化卷积神经网络的运动想象脑电信号识别算法研究[D];长沙理工大学;2020年
7 双嘉伟;运动想象脑电信号模式识别算法的研究[D];中国计量学院;2016年
8 唐肖芳;面向运动想象的脑电信号特征选择与特征提取算法研究[D];西南科技大学;2015年
9 胡友盼;脑电信号的运动想象特征提取与识别算法研究[D];华南理工大学;2013年
10 赵岩岩;基于运动想象的脑电信号特征提取及分类算法的研究[D];哈尔滨工程大学;2016年
11 王恒;运动想象脑电信号的特征提取算法的研究[D];济南大学;2015年
12 张昇欢;运动想象脑电信号的分析研究[D];上海交通大学;2015年
13 范明莉;基于卷积神经网络的运动想象脑电信号特征提取与分类[D];郑州大学;2017年
14 佟安时;思维脑电的采集和特征提取方法初探[D];东北大学;2010年
15 聂双喜;基于运动想象脑电信号的机械臂控制系统研究[D];电子科技大学;2017年
16 马秀秀;基于运动想象的异步脑—机接口算法研究[D];哈尔滨工业大学;2016年
17 李星辰;基于迁移学习的脑电信号域适应及分类研究[D];重庆邮电大学;2021年
18 刘洋;主动式脑电信号特征提取方法研究及应用[D];济南大学;2014年
19 王少华;基于深度学习的运动想象脑电信号精准解析[D];河北师范大学;2021年
20 王东洋;基于运动想象的脑电信号识别算法的研究[D];华东理工大学;2013年
中国重要报纸全文数据库 前7条
1 本报记者 衣晓峰;专注力如何 让脑电信号“说实话”[N];健康报;2021年
2 记者 张梦然;脑电信号神经反馈训练可增强抗压性[N];科技日报;2018年
3 本报记者 张佳星;脑电波读出容易,读懂很难[N];科技日报;2019年
4 本报记者 曾福泉 郑文 通讯员 吴雅兰 柯溢能;人机合一,未来已来[N];浙江日报;2020年
5 本报记者 张晓鸣;用脑电波开车,这不是开玩笑[N];文汇报;2015年
6 本报记者 彭德倩 通讯员 吴若凝 殷梦昊;“指甲盖大”芯片,24小时“读心”[N];解放日报;2021年
7 本报记者 衣晓峰;脑电波研究 让喜怒哀乐看得见[N];健康报;2021年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978