基于l1-范數(shù)的eeg信號魯棒分類研究

《基于l1-范數(shù)的eeg信號魯棒分類研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、密級：公開＾艇索馬大嗦修碩±學(xué)位論文基于Ｌ－１范數(shù)的ＥＥＧ信號魯棒分類研究研究生姓名：李巧萌導(dǎo)師姓名：王巧巧電請學(xué)份類別工學(xué)巧Ｈｒ學(xué)位授予單位東巧大學(xué)一紡舉科條絲生ｉ工ｇ論文答辯日期２０１６年０５月１９日ｌｆｔ巧単二級學(xué)科名稱學(xué)習(xí)稱學(xué)學(xué)位授予日期２０巧月日答雜蠶員會(huì)豐席巧陽主任評閱人巧明主任＞洪Ｍ巧＃２０１６年月日？表兩：ｈ聲碩±學(xué)位論文Ｌ－基于１范數(shù)的ＥＥＧ信號魯椿分類研究專業(yè)名稱；生物醫(yī)學(xué)工涅（學(xué)習(xí)稱學(xué)）研巧生姓名：李晚

2、萌導(dǎo)師姓名；王海資－ＮＯＲＭＬＩＢＡＳＥＤＲＯＢＵＳＴＣＬＡＳＳ巧ＩＣＡＴＩＯＮＯＦＥＥＣＳＩＧＮＡＬＳＩＮＢＣＩＳＹＳＴＥＭＡＴｈｅｓｉｓＳｕｂｍｉｔｅｄ化ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＦｏｒｔｈｅＡｃａｄｅｍｉｃＤｅｒｅｅｏｆｇＭａｓｔｅｒｏｆＥｎｇ虹ｅｅｒｉｎｇＢＹＸｉａｏｍｅｎＬｉｇＳｕｐｅｒｖｉｓｅｄｂｙＨａｉｘｉａｎＷａｎｇ民的ｅａｒｃｈＣｅｎｔｅｒｆｏｒＬｅａｒｎｉｎｇＳｃｉｅｎｃｅＳｏｕｔｈｅａｓ

3、ｔＵｎｉｖｅｒｓｉｔｙＭａ２０１６ｙ東南大學(xué)學(xué)位論文獨(dú)詢性巧明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研巧工作及取得的研巧成果。盡我所知，除了文中特別加標(biāo)注和致謝的地方外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得東南大學(xué)或其它教育一機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我同工作的同志對本研巧所做的任何貢獻(xiàn)均己在論文中作了明確的說明并表示了謝意。＇心從研巧生簽名：：＞＿日期東巧大學(xué)學(xué)位論義使用授巧巧明東南大學(xué)、、中國科學(xué)技術(shù)信息研巧所國家圖書館有權(quán)保留本人所送

4、交學(xué)位論文的復(fù)印件和電子文檔、縮印或其他復(fù)制手段保存論文。，可１＾采用影印一。本人電子文擋的巧容和紙質(zhì)論文的內(nèi)容巧致除在保密期內(nèi)的保密論文外，允許論文被査閱和借閱（，可Ｗ公布包括Ｗ電子信息形式刊登）論文的全部內(nèi)容或中、英文摘要等部分內(nèi)容。論文的公布（包括Ｗ電子信息形式刊登）授權(quán)東南大學(xué)研巧生院辦理。：研巧生簽名：導(dǎo)師簽名日期＾病要－ｅｅｃｔｏｅｎｃｅｈａｏｒａＥＥＧ）－ｂｒａｉｎｃｏｍｕｔｅｒｉｎｔｅｒｆａｃｅｓ基于腦電（ｌｒｐｌｇｐｈｙ，信號的腦機(jī)接口（ｐ，ＢＣＩ－系統(tǒng)在大腦與其他

5、外部設(shè)備之間建立了非肌肉的通信和交流通道，腦機(jī)接口的出）一種與外部環(huán)境交互的新方式現(xiàn)，為無法進(jìn)行肌肉運(yùn)動(dòng)的病人提供了。ＢＣＩ技術(shù)的關(guān)鍵在于對不同精神狀態(tài)下的ＥＥＧ信號進(jìn)行識別和分類。共同空間模式（ｃｏｍｍｏｎｓｐａｔｉａｌ一ｐａｔｅｒｎｓ，ＣＳＰ）是近些年提出的種應(yīng)用廣泛的特征提取方法，能夠捕捉大腦在進(jìn)行運(yùn)動(dòng)想象相關(guān)任務(wù)時(shí)激發(fā)的事件相關(guān)同步化（ｅｖｅｎｔｒｅｌａｔｅｄｓｙｎｃｈｒｏｎｉｚａｔｉｏｎＥＲＳ）／事件相，ｅｖｅｎｔｒｅｌａｔｅｄｄｅｓｙｎｃｈｒｏｎｉｚａｔｉｏｎＥＲＤ）現(xiàn)象，進(jìn)而提取具

6、有判別信息的腦電關(guān)去同步化（，－范數(shù)的散度表達(dá)模式。然而，由于ＣＳＰ算法使用Ｌ２，容易受到噪聲和奇異值的影響，而單純地使用Ｕ－范數(shù)來代替ＣＳＰ中Ｌ２－范數(shù)散布表達(dá)的方法無法抑制幅值較小的噪聲的影響。此外，ＣＳＰ是基于單個(gè)信號動(dòng)態(tài)表現(xiàn)的度量方法，，也無法得到稀疏的濾波向量沒有使用兩個(gè)ＥＥＧ信號間的錯(cuò)合信息。—本文提出了兩種魯棒的改進(jìn)Ｕ－范數(shù)共同空間模式算法基于波形長度正則化的－－ｗＬ１范數(shù)共同空間模式（ｗａｖｅｆｏｒｍｌｅｎｇ出ｒｅｇｕｌａｒｉｚｅｄＣＳＰＬｌｌＣＳＰＬｌ）算法和基于稀疏，Ｌ－（ｓｌ

7、－ｎｏｏｍｍｏｎａｔａｔｅｒｎ－度量的１范數(shù)共同空間模式ｐａｒｓｅＬｒｍｂａｓｅｄｃｓｐｉａｌｐｓｓＣＳＰＬｌ），ｐ一—，提出了個(gè)度量信號間相位同步性的相位特征提取算法符號秩加權(quán)的算法；此外ａｗｅｓ－相位延遲（ｈａｓｅｌｉｈｔｅｄｂｙｉｇｎｅｄｒａｎｋ化化），并；種稱合ＥＥＧｐｇｇ，算法使用框架將信號幅值特征與相位特征進(jìn)行賴合－，Ｗ得到包含更多判別信息的幅值相位賴合特征。為了驗(yàn)證所提出算法的優(yōu)越性１個(gè)模擬數(shù)據(jù)集和５個(gè)公開的運(yùn)動(dòng)想象數(shù)據(jù)，本文使用了集進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示：在加入人工噪聲前后

8、，ｗｌＣＳＰＬｌ算法都能利用波形長度度量的噪聲項(xiàng)有效地約束空間濾波器捜索方向，提離運(yùn)動(dòng)想象任務(wù)的分類識別率；ｓ－ＣＳＰＬＵ－ｐｌ算法使用范數(shù)度Ｓ的濾波向＊稀疏性作為懲罰項(xiàng)，能夠得到較為稀疏的空ＳＲ間濾波向量，提高了識別率；ＰＬ算法能有效