运动想象EEG背景知识
定义：
“脑”指有机生命形式的脑或神经系统；“机”指处理或计算的设备；“接口”指用于信息交换的中介物；脑机接口（BCI系统）可定义为人或动物脑与外部设备间创建的用于信息交换的连接通路
实现：
信号采集>>信号预处理>>特征提取>>分类识别>>反馈
信号采集：采集EEG（脑电信号），用于采集的BCI系统分为侵入式和非侵入式两种。侵入式BCI需要将电极植入颅内，可以获得具有高信噪比的脑电信号，但是具备很大的危险性；非侵入式BCI具备无创特点，将电极置于被试者的头皮，安全无损伤，但是易受到肌电信号和眼电信号，信噪比较低；根据实际情况，目前研究主要采用非侵入式BCI。
信号预处理：主要指滤波，包括对信号进行时域、空域、频域等进行滤波，目的是减少信号中的伪迹与干扰，降低噪声对脑电信号的影响，提升与受试者思维活动任务相关的脑电信号的占比，以便进行后续分析。
特征提取：是BCI技术最为关键的部分，对预处理的脑电信号进行时、空、频域的分析，将原始脑电信号不易被观察和检测的特征提取出来，以供分类器学习和分类，特征提取方法包括FFT、小波变换以及功率谱估计等。
分类识别：是BCI技术另一项重要组成部分，分析提取的信号特征进行分类器的构建，再使用分类器对不同类别的脑电信号进行分类，将其转化为控制命令输出给控制器，分类方法有KNN分类器、线性判别分类器、Fisher分类器、支持向量机和BP神经网络等。
脑电信号
脑电信号分为自发性和诱发性两种，自发性EEG是在没有特定外界刺激的情况下大脑皮层的神经元自发性的进行电活动；诱发性EEG指由感官刺激引起的大脑皮层某一区域的电位的节律性变化。
自发性的EEG变化范围一般在1-30Hz之间，一般根据频率分为4个波段：
Delta波：0.5-4Hz，一般在大脑皮层的额叶和枕叶出现，振幅为20-150uv，只有在极度疲乏、器官病变或者深度睡眠的情况下才会出现；
Theta波：4-8Hz，一般在大脑皮层的额叶和顶叶出现，振幅为20-150uv，正常人在疲倦或缺氧时可以产生，精神类疾病患者也可以检测到该波；
Alpha波：8-13Hz，一般在大脑皮层的枕骨区出现，振幅为20-200uv，人在精神放松状态并且闭眼时可以检测到该节律，睁眼时消失，一般将其作为人睁眼闭眼的依据；
Beta波：14-30Hz，一般在大脑皮层的枕骨区出现，振幅为5-20uv，医学上一般认为在人受到惊吓或高度紧张状态时出现，该节律与事件相关电位联系紧密，在BCI系统的研究中占据着重要地位；
此外，u波在关于运动想象思维任务的BCI研究中占据着重要地位，该节律主要出现在大脑的运动感觉皮层，频率范围是8-12Hz，与人的躯体运动有着密切关系。
研究难点：
第一，系统的稳定性和抗噪能力
第二，实时性及分类的正确率
运动想象EEG背景知识相关推荐
- 运动想象| EEG信号、共空间模式算法（CSP）
摘要 作为一种特殊的人机交互模式,脑-机接口(brain-computer interface, BCI)技术成为了当前信息交互的研究热点.其中脑电信号(electroencephalography, ...
- 使用CNN-LSTM混合深度学习分类基于MUSE采集的运动想象EEG信号
点击上面"脑机接口社区"关注我们 更多技术干货第一时间送达 脑机接口(BrainComputer Interfaces)技术是将人脑与外部设备建立起直接的通路,在智能助残.人机工程 ...
- 与EEG信号的相关的基础知识以及运动想象信号的生理活动
与EEG信号的相关的基础知识 EEG信号基础 1.1 EEG信号记录技术 a.侵入式(Invasive) b.半侵入式(Semi-invasive) c.非侵入式(Non-invasive) a.空间 ...
- 运动想象系统中的特征提取算法和分类算法
目录 特征提取算法 分类识别算法 本教程为脑机学习者Rose发表于公众号:脑机接口社区 .QQ交流群:903290195 特征提取算法 (1)时域方法:这是比较早期的EEG信号处理方法,主要通过提取E ...
- 脑机接口（1）：运动想象（MI）原理、算法、问题和发展趋势
"脑机接口"(Brain Cpmputer Interface, BCI)研究的核心是在大脑和外部设备之间建立直接的联通通路,因此脑机接口也被誉为"人工智能的顶级科 ...
- 阅读笔记3：基于深度学习的运动想象脑电信号分类算法研究
1.论文信息 题目:基于深度学习的运动想象脑电信号分类算法研究 作者佟歌 单位:哈尔滨工程大学控制科学与工程 发表时间:201803 2.笔记 2.1 脑电信号采集及预处理 2.1.1脑电信号分析方法 ...
- EEG-MI 基于EEG信号的运动想象分类实验
文章目录 1. 项目背景 2. 实验目的 3. 实验过程 CNN部分 分类器设计 性能评估 代码 参考文献 1. 项目背景 "脑机接口"(Brain Cpmputer Interf ...
- 一种通过scout ESI和CNN解码EEG运动想象四分类任务的新方法
目录 导读 系统框架 实验 特征提取 结论 导读 东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法,以对运动想象(MI)任务进行分类.ES ...
- 训练和验证准确性_通过沉浸式虚拟现实观察动作增强运动想象训练
1.研究背景 增强运动想象的一种方法是动作观察,也就是观察与运动想象任务相关的身体部位的运动.先前的研究表明,镜像神经元通过模仿来进行动作的理解和学习,从而引起相应区域的激活.因此,当一个 ...
最新文章
- 笔记-中项案例题-2017年上-风险管理
- NYOJ 16 矩形嵌套
- 刚刚，阿里宣布开源Flutter应用框架Fish Redux！
- 提出离职后怎么定last day_不管你因为什么离职，用正规的离职方式是你最正确的选择！...
- vivo X21i的usb调试模式在哪里，打开vivo X21iusb调试模式的经验
- 计算机英语 考研 翻译,研究生英语翻译笔记
- 【Spring】Spring boot 如何进行私有方法测试
- 2014年12月份工作日学习计划
- Oracle swap 100%案例分析
- 【代码笔记】多线程游戏开发——伏魔记：第一步——开始游戏界面实现（一）...
- VelocityTracker 速度追踪
- 周期信号的傅里叶变换
- js实现视频直播,结合bilibili开源项目
- 车载颚式移动破碎机让资源重生，刻不容缓
- Linux--进程与任务管理
- 《人月神话》（P10）必须有文档
- 画册书籍封面设计|PSD分层模板
- ag-grid with web api
- 搭建nlp_server服务器
- 一键搭建asp php mysql_一键快速搭建Apache+PHP+MySQL+ASP平台（二）