亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        思維狀態(tài)的EEG信號(hào)分類方法研究

        2010-08-18 00:58:54賈花萍
        電子設(shè)計(jì)工程 2010年6期
        關(guān)鍵詞:隱層分段受試者

        賈花萍

        (渭南師范學(xué)院 計(jì)算機(jī)科學(xué)系,陜西 渭南 714000)

        隨著科學(xué)技術(shù)的不斷進(jìn)步、人們對(duì)大腦功能認(rèn)識(shí)的不斷深入以及高性能PC的問(wèn)世,近20年以來(lái)一個(gè)新的研究領(lǐng)域——“腦—計(jì)算機(jī)接口(BCI)”(簡(jiǎn)稱腦機(jī)接口)正在蓬勃發(fā)展。腦機(jī)接口是基于腦電信號(hào)而不依賴于腦的正常輸出通路(即外周神經(jīng)和肌肉)的,通過(guò)對(duì)大腦思維過(guò)程EEG信號(hào)的監(jiān)控與分析,理解人的意圖,直接將大腦信息傳達(dá)到外部世界,可以實(shí)現(xiàn)多種形式的應(yīng)用。其適用人群比較廣泛,理論上只要大腦能夠正常思維的人,都可通過(guò)腦機(jī)接口技術(shù)與外界交流,所以對(duì)那些高位截癱或腦干損傷的完全閉鎖患者,具有非常廣闊的實(shí)用前景[1-3]。

        1 實(shí)驗(yàn)方法

        1.1 數(shù)據(jù)來(lái)源[4]

        EEG數(shù)據(jù)是Purdue大學(xué)的Keim和Aunon[5]所采集的實(shí)驗(yàn)數(shù)據(jù)。受試者坐在隔音房間內(nèi),房間內(nèi)光線暗淡,用無(wú)聲電扇保持通風(fēng)。受試者頭戴電極帽,根據(jù)標(biāo)準(zhǔn)10/20電極系統(tǒng),由 C3,C4,P3,P4,O1和O2等6個(gè)部位記錄 6個(gè)通道的EEG信號(hào),經(jīng)過(guò)Grass 7P511型放大器放大、通頻帶為0.1~100 Hz的濾波器濾波,采樣頻率為250 Hz的12位A/D轉(zhuǎn)換器將數(shù)據(jù)存儲(chǔ)于計(jì)算機(jī)中。電極安放位置模型如圖1所示。

        圖1 電極安放位置模型

        由置于被試者左眼上方和下方的2個(gè)電極記錄眼動(dòng)信號(hào)作為第7通道信號(hào)。共提供7個(gè)受試者的數(shù)據(jù)。每個(gè)受試者進(jìn)行多次不同的思維作業(yè)實(shí)驗(yàn),每次思維作業(yè)采集的數(shù)據(jù)長(zhǎng)度為10 s。5種思維活動(dòng)為:1)放松狀態(tài),受試者盡可能放松,不進(jìn)行任何思維活動(dòng);2)打信件腹稿,受試者想象給某位親人或朋友寫一封信;3)心算乘法,受試者想象進(jìn)行比較復(fù)雜的乘法運(yùn)算;4)想象在黑板上寫數(shù)字,受試者想象將數(shù)字寫在黑板上;5)想象幾何圖形旋轉(zhuǎn),受試者想象將一個(gè)三維圖形繞某個(gè)軸旋轉(zhuǎn)。每種思維任務(wù)前半秒的波形如圖2所示。

        1.2 EEG信號(hào)預(yù)處理[6]

        這里采用一種時(shí)域回歸方法去除原始EEG信號(hào)中包含的眨眼偽差噪聲。針對(duì)不同的導(dǎo)聯(lián),眼電信號(hào)乘以一個(gè)相應(yīng)的加權(quán)系數(shù)進(jìn)行幅值調(diào)整,然后從EEG信號(hào)中減去調(diào)整后的眼電幅度部分,從而去除較大眼電。這里采用0.1、0.05和0.025等3種加權(quán)系數(shù)分別處理C3C4、P3P4和O1O2中包含的眼電噪聲。

        圖2 每種思維任務(wù)前半秒的波形

        1.3 特征提取

        將AR模型應(yīng)用到EEG分析中的基本思想是,假設(shè)可以用AR過(guò)程近似真實(shí)EEG信號(hào)?;谶@一假設(shè),根據(jù)實(shí)際EEG信號(hào),選取合適的階次、參數(shù),使得AR模型所對(duì)應(yīng)的AR過(guò)程盡可能逼近EEG信號(hào)。這里采用AR參數(shù)模型法是考慮到EEG信號(hào)是典型非平穩(wěn)隨機(jī)信號(hào),假設(shè)x(t)的采樣序列為x[n],則序列x[n]的AR模型為:

        式中,p為模型階次;ak為AR模型參數(shù);u[n]為激勵(lì)白噪聲。

        本文的研究對(duì)象是被試者2,其每種思維作業(yè)重復(fù)5次,每次持續(xù)10 s,每個(gè)通道每次試驗(yàn)記錄2 500個(gè)采樣數(shù)據(jù)。在MATLAB 7.0中編程繪制出被試者2的5種思維任務(wù)重復(fù)一次的波形,包含和不包含眼電2種情況,如圖3所示。

        圖3 被試者2的5種思維任務(wù)重復(fù)一次的波形

        對(duì)EEG數(shù)據(jù)預(yù)處理后采取分段和不分段2種情況比較分類結(jié)果。首先對(duì)于預(yù)處理后的EEG數(shù)據(jù)用矩形窗進(jìn)行分段,窗口長(zhǎng)度為1 s(250個(gè)采樣點(diǎn)),下一段與上一段重疊0.5 s,數(shù)據(jù)長(zhǎng)度為10 s,可分為19段。對(duì)每一段數(shù)據(jù)建立一個(gè)AR模型。模型如下:

        式中,aic是通道為 C 的第 i個(gè) AR 系數(shù),C={C3,C4,P3,P4,O1,O2},P 為 AR 模型的階數(shù)。

        大量試驗(yàn)表明,對(duì)于本文的數(shù)據(jù),取6階模型階數(shù)較好,每一個(gè)EEG段由36個(gè)特征量(6通道×6階)表示,運(yùn)用Burg算法對(duì)每段的數(shù)據(jù)進(jìn)行AR參數(shù)估計(jì),得到長(zhǎng)度為6×6=36的系數(shù)序列,這 36 個(gè)系數(shù)(6 導(dǎo)×6 階)構(gòu)成一個(gè)特征向量(a1,C3,a1,C4,a1,P3,a1,P4,a1,O1,a1,O2,a2,C3,a2,C4,…,a6,O1,a6,O2)作為一個(gè)樣本。網(wǎng)絡(luò)輸入層神經(jīng)元數(shù)目取決于樣本的長(zhǎng)度,為36。被試者2完成了一組實(shí)驗(yàn),在每一組實(shí)驗(yàn)中,進(jìn)行5種思維活動(dòng),每種思維活動(dòng)重復(fù)5次,每次持續(xù)10 s。特征樣本集的構(gòu)成也和思維作業(yè)的分類種類有關(guān),若要?jiǎng)澐譃?類,則樣本集有5×19×5=475個(gè)樣本,每個(gè)樣本對(duì)應(yīng)一列,因此每個(gè)樣本集為36(行)×475(列)的矩陣。為測(cè)試分類的準(zhǔn)確度,把樣本集分為2部分,前一部分為訓(xùn)練樣本,后一部分為測(cè)試樣本。將被試者2的5種思維活動(dòng)重復(fù)的前4次作為訓(xùn)練樣本,最后一次作為測(cè)試樣本,所以訓(xùn)練樣本共有19×5×4=380個(gè),測(cè)試樣本共有 19×5×1=95 個(gè)。

        EEG數(shù)據(jù)未分段的情況下,用6階AR模型,Burg算法對(duì)每個(gè)通道的EEG數(shù)據(jù)進(jìn)行AR參數(shù)估計(jì),得到長(zhǎng)度為36的系數(shù)序列, 構(gòu)成一個(gè)特征向量(a1,C3,a1,C4,a1,P3,a1,P4,a1,O1,a1,O2,a2,C3,a2,C4,…,a6,O1,a6,O2)作為一個(gè)樣本。 網(wǎng)絡(luò)輸入層神經(jīng)元數(shù)目取決于樣本的長(zhǎng)度為36。因此每個(gè)樣本集為36(行)×25(列)的矩陣。

        2 BP分類算法

        2.1 BP算法

        BP(Error Back Propagation Network)神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)之一,是一種多層網(wǎng)絡(luò)的逆推學(xué)習(xí)算法?;舅枷隱7]是:學(xué)習(xí)過(guò)程由信號(hào)的正向傳輸與誤差的反向傳播2個(gè)過(guò)程組成。正向傳播時(shí),輸入樣本從輸入層傳入,經(jīng)中間層(隱層)逐層處理后傳向輸出層。若輸出層的實(shí)際輸出與期望輸出不符,則轉(zhuǎn)向誤差的反向傳播階段。誤差的反向傳播是將輸出誤差以某種形式通過(guò)隱層向輸入層逐層反傳,并將誤差分?jǐn)偨o各層的所有單元,從而獲得各層單元的誤差信號(hào),將此誤差信號(hào)作為修正各單元權(quán)值的依據(jù)。

        2.2 BP網(wǎng)絡(luò)結(jié)構(gòu)

        圖4 BP網(wǎng)絡(luò)結(jié)構(gòu)

        由輸入層,輸出層和中間層(隱層)組成,其結(jié)構(gòu)如圖4所示。

        對(duì)EEG數(shù)據(jù)分段或不分段,只是數(shù)據(jù)樣本的數(shù)目不一樣,故在這兩種情況下,網(wǎng)絡(luò)輸入層神經(jīng)元數(shù)目為36。輸出層神經(jīng)元的個(gè)數(shù)取log2m。m為類別模式。1989年Robert Hecht-Nielsen證明對(duì)于任何閉區(qū)間內(nèi)的一個(gè)連續(xù)函數(shù)都可用隱層的BP網(wǎng)絡(luò)逼近。這里采取3層BP網(wǎng)絡(luò),開(kāi)始先放入較少的神經(jīng)元,學(xué)習(xí)一定次數(shù),若不成功則再增加隱層單元的數(shù)目,直到達(dá)到比較合理的隱層單元數(shù)目為止。結(jié)合經(jīng)驗(yàn)公式,隱層神經(jīng)元的個(gè)數(shù)應(yīng)為7~16。編寫Matlab程序選取隱含層神經(jīng)元的最佳數(shù)為s。網(wǎng)絡(luò)隱含層的神經(jīng)元傳遞函數(shù)采用S型正切函數(shù)tansig,輸出層神經(jīng)元傳遞函數(shù)采用S型對(duì)數(shù)函數(shù)logsig,這是因?yàn)楹瘮?shù)的輸出位于區(qū)間[0,1]中,正好滿足網(wǎng)絡(luò)輸出要求。

        2.3 BP網(wǎng)絡(luò)的訓(xùn)練仿真

        網(wǎng)絡(luò)經(jīng)訓(xùn)練后才能實(shí)際應(yīng)用。用init.m函數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行初始化,以消除前面訓(xùn)練的影響。訓(xùn)練結(jié)束后,用仿真函數(shù)a=sim(net,p)對(duì)網(wǎng)絡(luò)進(jìn)行仿真。分別對(duì)未分段和分段后兩種情況的分類結(jié)果進(jìn)行比較,對(duì)5種思維狀態(tài)的前2種、前3種、前4種、5種分別用BP算法進(jìn)行分類,在MATLAB7.0中進(jìn)行程序測(cè)試,分類結(jié)果如圖5所示。

        圖5 BP算法分類正確率比較

        3 結(jié) 論

        本文主要采用AR模型提取信號(hào)分段前后特征作為神經(jīng)網(wǎng)絡(luò)輸入,用BP算法對(duì)2~5種思維狀態(tài)的EEG信號(hào)進(jìn)行分類,從實(shí)驗(yàn)結(jié)果可以看出:1)未對(duì) EEG進(jìn)行分段提取特征的分類正確率明顯高于進(jìn)行分段后提取特征的分類正確率。2)隨思維作業(yè)增加分類準(zhǔn)確度降低,2種思維作業(yè)情況下,分類準(zhǔn)確度較高;而在3種以上思維作業(yè)情況下,其分類準(zhǔn)確度要相對(duì)低些,說(shuō)明隨著思維任務(wù)的增加,其分類的準(zhǔn)確度會(huì)有所下降。3)考慮多導(dǎo)電極的信息存在相關(guān)性。后續(xù)研究中,在數(shù)據(jù)預(yù)處理方面,應(yīng)考慮多導(dǎo)電極存在的相關(guān)性并予以去除或減小。由于其他一些因素,如受試者之間的個(gè)體差異等影響,會(huì)在一定程度上影響分類精度。因此,后續(xù)研究工作中應(yīng)考慮到用神經(jīng)網(wǎng)絡(luò)集成方法進(jìn)行EEG信號(hào)分類,進(jìn)一步提高分類精度。

        [1]Moore Melody M.Real-world applications for brain-computer interface technology[J].IEEE Transactions On Neural Systems Rehabilitation Engineering,2003,11(2):162-165.

        [2]Gerwin Schalk,McFarland Dennis J,Thilo Hinterberger.BCI2000:a general-purpose brain-computer interface(BCI)system[J].IEEE Transactions On Biomedical Engineering,2004,51(6):1034-1043.

        [3]Robert Leeb,Gert Pfurtscheller.Walking through a virtual city by thought[C]//Proceedings of the 26th Annual International Conference of the IEEE EMBS.San Francisco,CA,USA,2004:1-5.

        [4]Keirn Zachary A.Software and data[DB/OL].2008.http://www.cs.colostate.edu/eeg/eegSoftware.html#keirndata.

        [5]Keim Z A,Aunon J I.A new mode of communication between man and hissurroundings[J].IEEE Transactions on Biomedical Engineering,1990(37):1209-1212.

        [6]劉海龍,王玨,鄭崇勛.基于非線性參數(shù)的思維任務(wù)分類[J].西安交通大學(xué)學(xué)報(bào),2005,39(8):900-903.

        [7]朱大奇,史慧.人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用[M].北京:科學(xué)出版社,2006:33-34.

        猜你喜歡
        隱層分段受試者
        涉及人的生物醫(yī)學(xué)研究應(yīng)遵循的倫理原則
        涉及人的生物醫(yī)學(xué)研究應(yīng)遵循的倫理原則
        一類連續(xù)和不連續(xù)分段線性系統(tǒng)的周期解研究
        涉及人的生物醫(yī)學(xué)研究應(yīng)遵循的倫理原則
        基于RDPSO結(jié)構(gòu)優(yōu)化的三隱層BP神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測(cè)模型及應(yīng)用
        人民珠江(2019年4期)2019-04-20 02:32:00
        涉及人的生物醫(yī)學(xué)研究應(yīng)遵循的倫理原則
        分段計(jì)算時(shí)間
        3米2分段大力士“大”在哪兒?
        太空探索(2016年9期)2016-07-12 10:00:04
        基于近似結(jié)構(gòu)風(fēng)險(xiǎn)的ELM隱層節(jié)點(diǎn)數(shù)優(yōu)化
        最優(yōu)隱層BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷
        xxxx国产视频| 国产精品久久免费中文字幕| 日日日日做夜夜夜夜做无码| 激情综合色五月丁香六月亚洲| 国产免费一区二区三区最新不卡| 亚洲国产精品色一区二区| 干日本少妇一区二区三区| 天下第二社区在线视频| 福利片福利一区二区三区| 亚洲综合精品在线观看中文字幕 | 一级二级三一片内射视频| 青青手机在线观看视频| 久热这里只有精品视频6| 无码精品一区二区三区超碰 | 中文字幕亚洲好看有码| 在线观看视频亚洲一区二区三区| 国产无遮挡aaa片爽爽| 特黄a级毛片免费视频| 制服无码在线第一页| 一区二区三区四区黄色av网站| 香蕉免费一区二区三区| 99精品电影一区二区免费看| 日本一区二区三区专区| 91精品国产在热久久| 亚洲av天天做在线观看| 九九99国产精品视频| 人妻少妇中文字幕久久hd高清| 无套中出丰满人妻无码| 抽插丰满内射高潮视频| 国产精品一区二区三密桃| 久久精品亚州中文字幕| 国产国拍精品av在线观看按摩 | 欧美v亚洲v日韩v最新在线| 无码91 亚洲| 伊人久久大香线蕉av色婷婷色| 国产成人精品无码一区二区老年人 | 国产精品video| 在线观看人成网站深夜免费| 7194中文乱码一二三四芒果| 野花社区www高清视频| 粉嫩国产白浆在线播放|