视觉诱发电位提取

《视觉诱发电位提取》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、目录摘要3abstract4第一章前言51.1课题研究的背景和意义51.2课题研究概况51.3小波分析的优势61.4本文研究内容与结构安排71.5总体实验流程及软件8第二章数据采集92.1大脑各个分区功能92.2电极帽112.3测试环境及对象122.4采集设备13第三章小波分析去噪163.1视觉诱发的电位的主要提取方法163.2累加平均法163.3小波分析法173.4实验思路183.5实验结果203.6实验分析23第四章视觉诱发电位的识别244.1SVM分类器244.2SVM的分类器的基本原理244.3RBF核函数264.4libsvm工具箱264.5

2、实验过程及结果分析26第五章总结与展望28参考文献29致谢29摘要基于瞬态视觉诱发电位在脑-机接口研究的中，通过视觉诱发电位信号的提取与识别产生脑-机接口控制信号。在强噪声环境下利用累加平均法和小波滤波提取微弱的视觉诱发电位。在小波变换域中计算特征向量，特征向量输入SVM分类识别，判断是否为视觉诱发电位。实验结果表明，小波分析法和累加平均法相结合可以有效的去除噪声得到视觉诱发电位信号；SVM分类器识别算法可以有效识别视觉诱发电位。关键词：视觉诱发电位；脑-机接口；小波变换；SVM分类器abstractBasedonthetransientvisuale

3、vokedpotentialinthestudyofbraincomputerinterface,thecontrolsignalofbraincomputerinterfacewasproducedbytheextractionandrecognitionofvisualevokedpotentialsignal.Thisexperimentusedaveragingmethodandwaveletfiltertoextractweakvisualevokedpotentialinthestrongnoiseenvironment.Featureve

4、ctorsarecalculatedinwavelettransformdomainandtheyareinputtoSVMclassification,todeterminewhetherthesignalsarethevisualevokedpotentialornot.Theexperimentalresultsshowthatthecombinationofwaveletanalysisandthecumulativeaveragemethodcaneffectivelyremovethenoiseandgetthevisualevokedpo

5、tentialsignal;.SVMclassifierrecognitionalgorithmcaneffectivelyidentifythevisualevokedpotential.Keywords:visualevokedpotential;braincomputerinterface;wavelettransform;SVMclassifier第一章前言1.1课题研究的背景和意义诱发电位（EvokedPotentials）：人体的神经中枢在受到外界的刺激后会在大脑皮层所对应的区域发生的特定和刺激有关的生物电位变化，这种生物电变化就是诱发电位

6、[1]。自发脑电信号是人体在无刺激时头皮上能够采集到的所有电位的变化—自发脑电信号[2]。由于医学近年来的突飞猛进，关于诱发电位的各种研究也越来越多，给神经系统的病变检测提供了可靠，高效的检测方法。诱发电位是临床神经生理学在近现代取得的重大进展，可以用于帮助医生确定患者的神经系统功能是否正常，同时也可以用于检测一些神经网络的状态[3]。视觉诱发电位（VisualEvokedPotentials,简称VEP）：大脑皮层诱发电位中的一种，对脑部枕叶区上的视觉诱发电位的检测，可以准确反应视觉灵敏度，准确显示是否有病变存在于视觉通路。在临床上可以已经在应用于帕

7、金森症火视神经压迫性病变和代谢性疾病的检测判断，VEP也能够对不能合作检查的婴幼儿进行简单高效的检测。在手术中视觉诱发电位也用于前视通路的检护，防止手术中病人出现视神经的损伤。数据显示，自发脑电电压50μV左右，而视觉诱发电位一般较弱，电压小于25μV，所以再采集过程中很容易混入自发脑电（EEG），，影响检测数据的分析，所以传统一般采用叠加平均的方法，通过增加叠加次数取平均值，提高信号的信噪比。一般情况下想得到理想的实验结果，可能需进行几百次，乃至上千次的累加，然而过多的实验次数会导致人脑神经的疲劳和视觉诱发电位改变[4]。因此，何在少量刺激次数提高获

8、取波形质量是近期的研究重点。随着科技的进步与发展，计算机更加广泛的用于脑电信号的分析识别，但多