- 文献综述（或调研报告）：
首先对大脑的构造进行了解，判断出与运动相关的部位，之后对相关的通道数据进行处理，可以提高数据处理的效率，避免过多的引入与意图无关的信号，干扰处理结果。查阅脑电反应运动意图的依据，脑电与运动相关的节律。之后查阅关于信号预处理、特征提取以及模式识别的常用方法。最后查阅了基于脑电信号的运动意图识别的应用和进展
1.大脑分区构造：大脑中和运动相关的部位有：额叶后部，中央前回（第一躯体运动区）；顶叶，顶上小叶前、后部（体感联合皮层，和空间定位有关）； 额叶，额上，中，下回后部 （运动前区，书写中枢，和运动的计划、执行有关）。
2.脑电用于运动想象的依据：脑电信号直接反应了人体的行为意图，利用脑电信号控制外界装置的方式常被称为脑机接口，脑电信号作为信号源人就可以直接通过大脑来表达自己的想法来操作外部辅助助力设备。当人们想象单侧肢体运动时，大脑对侧的运动感觉区的mu节律和beta节律能量减小，而同侧的运动感觉区mu节律和beta节律能量增大，这是大脑神经元突触后电位相互削弱和增强的结果．这种现象也被称为事件相关去同步(ERD)和时间相关同步(ERS)．脑电信号的ERD和ERS现象成为判断想象运动的最根本依据[1]由于神经元的可塑性，在执行动作的意愿和行为本身的表现之间的协调增加了大脑创造新的沟通通道的可能性。利用这一现象，康复的效果可以更有效地提高。ERD/ERS是被试在运动或者运动想象过程中，大脑中产生的特殊生理现象，在某一特定时间、某一特定频谱，ERD/ERS现象所体现的能量特性具有时间、空间、频段上的差异[2]。
3.预处理：常用的脑电处理方法小波变换是一种信号的时间——尺度（时间——频率）分析方法，它具有多分辨分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定不变但其形状可改变，时间窗和频率窗都可以改变的时频局部化分析方法。即在低频部分具有较低的时间分辨率和较高的频率分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，很适合于分析非平稳的信号和提取信号的局部特征依据ERD／ERS现象。之后对其进行小波阈值处理，包括小波分解得到各尺度系数、进行阈值处理，分为硬阈值和软阈值，硬阈值准则对于大于阈值的小波系数完全保留，而对于所有小于阈值的小波系数置零，软阈值不仅对所有小于阈值的系数置零，同时对各小于阈值或大于阈值的小波系数进行了加减操作，目的是保留更多的信号成分。之后对小波进行重构，得到去噪声后的信号。
4.特征提取：通过将生理电信号看成平稳信号利用经典的统计信号处理方法和谱分析方法，最终将幅度随时间变化的信号转化为功率随频率变化的频谱图，提取生理信号的频域特征。但是在实际情况下生理电信号是非平稳的，查阅文献中大都利用小波变换来处理这些生理信号，效果更好。利用小波包变换的多分辨率特性，选择EEG原始信号中的最佳分量组合关系，从而提取包含有用信息频段的alpha;节律和beta;节律。常用的基于能量特征的特征提取算法和基于CSP的特征提取算法1）根据所选择C３、C４通道ＥＥＧ数据经过５级小波分解后的小波系数cD４、cD３及其对应的能量值作为对多维特征向量提取的数据来源[3]2）CSP算法适用于二分类问题。通过2类数据的协方差矩阵同时对角化，并应用主成分分析方法提取2类数据的不同部分，构建最优的空间滤波器。2类数据经过空间滤波后，其空间成分在能量上的差异达到最大，即一类的方差最大化，另一类的方差最小化[4]。
5.模式分类：神经网络属于机器学习学科的范畴，用于模式分类常常会取得很好的效果。常用的有1）支持向量机(Support Vertor Machine， SVM)是一种以小样本统计学理论为基础的机器学习方法，该方法以统计学理论的结构风险最小化为原则，要求最优的分类面，目的使各类无错的分开，同时使各类类间隔最大，以保证真实的风险最小。2）CI-HMM模型马尔科夫过程是一类重要的随机过程， 是由苏联数学家马尔科夫提出的马尔科夫链演变而来，并广泛的应用到各个领域中(如信息理论、交通运输、工程技术、生物科学等)。马尔科夫过程是无记忆性的随机过程，其中无记忆性体现在当前时刻所处的状态概率只与前一时刻的状态有关，更早时刻的状态不会影响到当前时刻的状态。3）K最近邻法(KNN)4）神经元网络。[5]
6.相关进展：Graz BCI研究组的基于运动想象ERD/ERS的BCI系统在虚拟现实场景中的应用，可以实现在虚拟现实中自由行走[6]。Berlin BCI小组研发的基于EEG的打字系统Hex-o-Spell，实现了精神打印机[7]。
参考文献：
[1] 徐宝国，宋爱国，单次运动想象脑电的特征提取和分类[A].东南大学学报2007.
[2] Wolpaw J.R,McFarland D.J. Control of a two-dimensional movement signal by a noninvasive brain-computer interface in humans. Proc. Natl. Acad.2004,(101):17849-17854
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
