文档介绍：杭州电子科技大学硕士学位论文融合相位同步与CSP算法的运动想象分类研究研究生:徐飞鹏指导教师:孔万增副教授2015年03月万方数据Dissertation Submitted to Hangzhou Dianzi Universityfor the Degree of MasterResearch of Classification of Motor ImageryBasedon Phase Synchronization and CSPCandidate: XuFeiPengSupervisor: Prof. Kong WanZengMarch, 2015万方数据杭州电子科技大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。申请学位论文与资料若有不实之处,本人承担一切相关责任。论文作者签名:日期:年月日学位论文使用授权说明本人完全了解杭州电子科技大学关于保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后,发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。(保密论文在解密后遵守此规定)论文作者签名:日期:年月日指导教师签名:日期:年月日万方数据杭州电子科技大学硕士学位论文I摘要脑机接口的研究利用将成为未来科技信息发展的重点,它的研究对康复以及模式识别等领域具有重大的意义。针对基于脑电信号多类别运动想象分类的脑机接口系统中多意念任务控制,本文主要进行了以下四个方面的深入研究:1)对数据的处理与提取进行了研究,阐述了数据提取的依据,并给出了提取的详细步骤。此外,以最终分类的正确率为准则,深入研究了数据时间段的选取问题,。2)针对将多类脑电信号进行两两组合进行脑电信号分类的研究思路,本文深入分析研究了一对一CSP算法和一对多CSP算法。研究发现:一对一CSP算法把各类别脑电信号进行两两组合,组合后经CSP算法处理得到的两两类别之间的特征都将参与最后的分类过程,当其中某两类之间存在区别度不高的特征时,对最后的分类结果就会产生影响;而一对多CSP算法把其中的某一类作为一个类别,其余剩下的所有类作为另一个类别,所得到的两两之间的特征也都将参与分类,但是该算法在减少空域滤波器个数的同时,由于分类较为粗糙,对最后的分类结果影响较大。基于以上不足,为本文新算法的提出提供了可行的思路。3)针对通过对CSP算法内部空域模式选取方法的改进,而只构造一个空域滤波器的方式来直接进行多类别脑电信号分类的研究思路,本文深入分析研究了基于Jacobi的近似联合对角化CSP算法。研究发现,该算法通过对多个脑电类别信号平均协方差矩阵的同时对角化来得到初步的空域滤波器,然后利用互信息量理论对较优空域模式的选择方式进行了改进,可以同时提取多个类别的特征进行分类。结果表明,该算法达到了多分类的目的,但分类效果欠佳。4)针对以上算法在多类别脑电信号分类方面存在的不足,结合脑电信号两两组合进行分类以及通过对CSP算法空域模式选取方式进行改进实现分类的两种研究思路,经过分析,本文着重从两两组合分类的思路出发,提出了一种改进后的新的特征提取分类算法,即融合相位同步与CSP的倒二叉树分类算法。本算法的本质是脑电类别数目的逐步降阶,该算法充分利用了各通道间的相位同步特征指数,对多类别的脑电信号进行了优化配对组合,减少构造空域滤波器的个数,尽量地提取有用的脑电类别成分,削弱特征重合度较高的两类别对分类结果的影响,从某种意义上对其进行剔除,而只利用更加有效的组合之间的特征,从而达到提高分类正确率的目的,%。本文针对运动想象的分类开展研究,结合不同的研究思路,对一对一CSP万方数据杭州电子科技大学硕士学位论文II算法、一对多CSP算法以及基于Jacobi的近似联合对角化CSP算法进行了深入的分析研究,在此基础上对存在的影响分类结果的因素进行考虑,提出了一种改进后的新的特征提取算法,即融合相位同步与CSP的倒二叉树分类算法,结果表明该算法能较好地利用脑电信号中的有效特征成分,提高了多类别脑电信号的分类准确率。关键词:运动想象分类,多类别,相位同步,共空域模式,特征提取,puter interface research use will be the focus o