近些年來,對(duì)腦機(jī)接口技術(shù)(BCI)的研究無論是在醫(yī)學(xué)康復(fù)領(lǐng)域還是在學(xué)術(shù)界都十分活躍,成為科技大佬們關(guān)注的前沿技術(shù)。盡管該技術(shù)發(fā)展前景美好,但是現(xiàn)階段還存在瓶頸,我們一方面需要在保證腦電信號(hào)分類準(zhǔn)確度的前提下使得系統(tǒng)高效快速運(yùn)轉(zhuǎn),另一方面該技術(shù)也有待與人工智能(AI)緊密結(jié)合,通過訓(xùn)練人工智能系統(tǒng)使其能夠?qū)W會(huì)分析處理這些復(fù)雜的腦電信號(hào)。本研究基于BCI技術(shù),通過對(duì)運(yùn)動(dòng)想象產(chǎn)生的腦電信號(hào)進(jìn)行特征識(shí)別與分類,提出了一種針對(duì)不同卷積神經(jīng)網(wǎng)絡(luò)(CNN)結(jié)構(gòu)并且兼顧了靈活性與可重新配置性的FPGA加速器系統(tǒng),并在PYNQ開發(fā)板上加以實(shí)現(xiàn)。本文的工作主要包括腦電信號(hào)處理的算法設(shè)計(jì)、以及在FPGA上對(duì)算法加以實(shí)現(xiàn)兩大部分。在傳統(tǒng)腦電信號(hào)的分析方法中,通常對(duì)時(shí)域信號(hào)執(zhí)行快速傅里葉變換(FFT)得到其頻譜特征,然后利用信號(hào)頻譜模的平方這一計(jì)算方式來估計(jì)某一電極感興趣頻帶內(nèi)信號(hào)的能量,最后將所有電極的能量測(cè)量值匯集至一起形成特征向量以待后續(xù)分析,該方法明顯忽略了腦電數(shù)據(jù)之間固然存在的空間特征以及連續(xù)時(shí)間域上的特征。在本文中我們通過將電極進(jìn)行Azimuthal等距投影(AEP)并將腦電信號(hào)處理成連續(xù)時(shí)間域上一系列二維圖片作為CNN的輸入來改善傳統(tǒng)方法。具體方法描述如下:首先將電極在三維空間上的位置坐標(biāo)采用AEP投影到二維平面上,投影完畢就可得到了電極在大腦皮層上活動(dòng)范圍的二維平面圖。同時(shí)選定頻域信號(hào)的三個(gè)頻段(θ(4-8Hz)、α(8-13Hz)和β(13-40Hz))作為主要信息處理區(qū)域,以這三個(gè)頻段中的一個(gè)頻段為例,將該頻段的能量值計(jì)算出來作為某一電極的部分能量值,并遍歷至整個(gè)二維平面的所有電極,然后利用Clough-Tocher方案(基于Delaunary的三次方程插值)對(duì)整個(gè)電極活動(dòng)的二維平面的電極能量測(cè)量值進(jìn)行估算插值,最終使得電極能量值在二維平面的分布情況類似于28*28的網(wǎng)格狀,接下來對(duì)剩余兩個(gè)頻段重復(fù)上述過程,并分別以不同的顏色(可以理解為不同通道)區(qū)別不同的頻段形成的能量圖,將三個(gè)頻段產(chǎn)生的能量圖合并至一起形成一個(gè)三通道圖像(維度為3*28*28)作為CNN的輸入;在FPGA加速器的設(shè)計(jì)中,將同步數(shù)據(jù)流(SDF)模型應(yīng)用于嵌入式系統(tǒng),該模型不會(huì)導(dǎo)致更多的片外存儲(chǔ)器操作。采用數(shù)據(jù)流的方法動(dòng)態(tài)調(diào)整CNN每一層的參數(shù)來提高系統(tǒng)的可重新配置性,通過對(duì)各層IP核的分別配置,實(shí)現(xiàn)了針對(duì)本文中特定腦電信號(hào)分類16位定點(diǎn)數(shù)的CNN網(wǎng)絡(luò),這樣就將傳統(tǒng)腦電信號(hào)系統(tǒng)中需要由工作站或計(jì)算節(jié)點(diǎn)服務(wù)器完成的模式識(shí)別與分類的工作替換為基于FPGA為核心的系統(tǒng)板來實(shí)現(xiàn),減小了腦電信號(hào)識(shí)別系統(tǒng)的體積,大大提高了其便攜性及處理速度。在本研究的效果方面,我們利用BCI競(jìng)賽數(shù)據(jù)庫驗(yàn)證了左右手運(yùn)動(dòng)想象腦電信號(hào)分類的準(zhǔn)確率以及在FPGA上使用ARM Cortex-A9 CPU與所設(shè)計(jì)加速器在處理相同批量數(shù)據(jù)時(shí)所花費(fèi)時(shí)間的比較。在進(jìn)行用于腦電信號(hào)分類的網(wǎng)絡(luò)訓(xùn)練過程中,訓(xùn)練準(zhǔn)確率達(dá)到96%,測(cè)試平均準(zhǔn)確率達(dá)到80%;在加速效果方面,該加速器在處理相同數(shù)據(jù)量時(shí)相對(duì)于PYNQ板上雙核ARM Cortex-A9 CPU,速度提升了19倍。本文所用方法摒棄了當(dāng)前技術(shù)中的缺點(diǎn),運(yùn)用軟硬件協(xié)同編程,提供了一種開發(fā)門檻低、靈活性高、擴(kuò)展性強(qiáng)的基于深度學(xué)習(xí)腦電信號(hào)分類FPGA加速器的實(shí)現(xiàn)方法,為基于腦電信號(hào)識(shí)別的嵌入式控制系統(tǒng)的研發(fā)提供了一種新的實(shí)現(xiàn)方案。
【學(xué)位單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN911.7;TN791;TP18
【部分圖文】：

表 2-1 10-20 電極系統(tǒng)電極名稱匹配表[27]部位 英文名稱 電極代號(hào)前額 Pre frontal lobe Fp1、Fp2側(cè)額 Inferior frontal lobe F7、F8額區(qū) Frontal lobe F3、F4、Fz中央 Central lobe C3、C4、Cz顳區(qū) Temporal lobe T3、T4后顳 Posterior temporal lobe T5、T6頂區(qū) Parietal lobe P3、P4、Pz枕區(qū) Occipital lobe O1、O2耳 Auricular A1、A2

圖 2-2 數(shù)據(jù)采集與分析系統(tǒng)框圖由于自發(fā)的腦電信號(hào)十分微弱，要想將其轉(zhuǎn)換為計(jì)算機(jī)所能夠識(shí)別的腦電信號(hào)，我們必須使用腦電的預(yù)處理和量化模塊中的放大器、濾波器以及模/數(shù)（A/D）進(jìn)行轉(zhuǎn)換，所以如何將腦電信號(hào)進(jìn)行放大是關(guān)鍵一步。腦電信號(hào)的特殊性使得對(duì)所研發(fā)的放大器有著嚴(yán)格的要求，評(píng)價(jià)一臺(tái)腦電采集分析系統(tǒng)的性能優(yōu)劣的一個(gè)重要指標(biāo)就是放大器性能的好壞。經(jīng)過放大器放大后的腦電信號(hào)緊接著要傳入濾波器進(jìn)行濾波，以便降低雜波噪聲對(duì)真實(shí)信號(hào)的污染，改善信噪比。除了以上兩項(xiàng)操作外，信號(hào)的預(yù)處理還需要避免由 A/D 轉(zhuǎn)換后造成的頻率混疊現(xiàn)象，消除基線漂移及趨勢(shì)項(xiàng)，濾除非研究電生理信號(hào)產(chǎn)生的偽跡[28]；在腦電數(shù)據(jù)保存的模塊中，采集到的信號(hào)需要保存后供打印檢查或進(jìn)行后處理。在先前腦電信號(hào)的記錄都是采用腦電描記技術(shù)，即用墨水直接將信號(hào)描記在圖紙上或保存到磁帶上。但隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)今這步驟已經(jīng)完全實(shí)現(xiàn)數(shù)字化，包括分析、顯示和存儲(chǔ)都是依

山東師范大學(xué)碩士學(xué)位論文概述網(wǎng)絡(luò)簡(jiǎn)介絡(luò)（Artificial Neural Networks，ANN）簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)，是將生物以及外界刺激響應(yīng)機(jī)制進(jìn)行抽象和理解后，對(duì)人類大腦的信息處并類似于人類能夠?qū)ν饨鐝?fù)雜的信息作出判斷處理[29]。學(xué)模型絡(luò)的數(shù)學(xué)模型可以看成一種有向圖，這種有向圖的節(jié)點(diǎn)代表人工有向的加權(quán)弧連接。在有向弧中，加權(quán)值代表兩個(gè)互聯(lián)神經(jīng)元之人工神經(jīng)元結(jié)構(gòu)我們可以用下圖來表示：

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韋曉燕;陳子怡;周毅;;基于多尺度排列熵的腦電信號(hào)分類[J];中國(guó)數(shù)字醫(yī)學(xué);2019年05期

2 王曉麗;;基于深度學(xué)習(xí)的癲癇腦電信號(hào)分析與預(yù)測(cè)[J];長(zhǎng)春大學(xué)學(xué)報(bào);2019年06期

3 王薇蓉;張雪英;孫穎;暢江;;關(guān)于腦電信號(hào)的情感優(yōu)化識(shí)別仿真[J];計(jì)算機(jī)仿真;2018年06期

4 郭婷儀;李素芳;鐘桂仙;曾佳璇;周酥;;基于腦電信號(hào)的耳鳴識(shí)別算法研究[J];科技傳播;2018年13期

5 左晶;萬小勤;羅楊;鄭斌;陳斌林;任祥花;;癲癇腦電信號(hào)的相關(guān)性分析[J];電子世界;2017年05期

6 張娜;唐賢倫;劉慶;;基于半監(jiān)督學(xué)習(xí)的腦電信號(hào)特征提取及識(shí)別[J];工程科學(xué)與技術(shù);2017年S2期

7 石喬莉;王延輝;李信政;;基于腦電信號(hào)的駕駛疲勞的研究[J];世界最新醫(yī)學(xué)信息文摘;2017年55期

8 王恒;李念強(qiáng);齊鵬沖;;運(yùn)動(dòng)想象腦電信號(hào)特征的提取與分類[J];工業(yè)控制計(jì)算機(jī);2015年02期

9 李亞杰;宋明星;張玉棟;;腦電信號(hào)采集系統(tǒng)的設(shè)計(jì)[J];河北建筑工程學(xué)院學(xué)報(bào);2014年01期

10 蔡超峰;張勇;郭舒婷;姜利英;;思維腦電信號(hào)的關(guān)聯(lián)維數(shù)分析[J];河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

相關(guān)會(huì)議論文 前10條

1 薛蘊(yùn)全;王秋英;王宏;;腦電信號(hào)的動(dòng)態(tài)時(shí)空響應(yīng)拓?fù)鋱D[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號(hào)診斷專家系統(tǒng)的研究[A];中國(guó)生理學(xué)會(huì)第21屆全國(guó)代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2002年

3 李凌;曾慶寧;堯德中;;利用兩級(jí)抗交叉串?dāng)_自適應(yīng)濾波器提取誘發(fā)腦電信號(hào)[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

4 朱林劍;包海濤;孫守林;梁豐;;新型腦電信號(hào)采集方法與應(yīng)用研究[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

5 張丹丹;丁海艷;侯新琳;葉大田;;新生豬缺氧缺血實(shí)驗(yàn)中腦電信號(hào)的偽差分析[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

6 葛家怡;周鵬;王明時(shí);;睡眠腦電信號(hào)樣本熵的研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

7 胡楠;徐進(jìn);鄭崇勛;;不同麻醉深度下腦電信號(hào)的復(fù)雜度研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

8 歐陽軼;鄭崇勛;張崇;;基于腦電小波熵的生理性精神疲勞分析[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

9 許濤;朱林劍;包海濤;;基于思維腦電信號(hào)的假手的研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國(guó)家——2006中國(guó)科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

10 童珊;黃華;陳槐卿;;混沌理論在腦電信號(hào)分析中的應(yīng)用[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

相關(guān)重要報(bào)紙文章 前6條

1 記者 張夢(mèng)然;腦電信號(hào)神經(jīng)反饋訓(xùn)練可增強(qiáng)抗壓性[N];科技日?qǐng)?bào);2018年

2 科學(xué)作者 譯者 猛瑪;如何做到真正的因材施教[N];電腦報(bào);2016年

3 本報(bào)記者 張曉鳴;用腦電波開車，這不是開玩笑[N];文匯報(bào);2015年

4 本報(bào)特約撰稿人 陸志城;我思，故我動(dòng)[N];醫(yī)藥經(jīng)濟(jì)報(bào);2003年

5 蘭順正;讓人與機(jī)器連接更便捷[N];中國(guó)國(guó)防報(bào);2019年

6 本報(bào)記者 馮海波 通訊員 劉慧嬋 祝和平;大學(xué)生創(chuàng)意閃耀的舞臺(tái)[N];廣東科技報(bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 李明陽;基于復(fù)合域分析的癲癇腦電信號(hào)檢測(cè)算法研究[D];吉林大學(xué);2018年

2 韓凌;腦電信號(hào)同步分析及癲癇發(fā)作預(yù)測(cè)方法研究[D];東北大學(xué);2016年

3 趙麗;基于腦電信號(hào)的腦-機(jī)接口技術(shù)研究[D];天津大學(xué);2004年

4 繆曉波;基于腦電信號(hào)的認(rèn)知?jiǎng)恿W(xué)系統(tǒng)研究——線性/非線性方法及動(dòng)態(tài)時(shí)—頻—空分析[D];重慶大學(xué);2004年

5 徐鵬;信號(hào)的稀疏分解及其在腦電信號(hào)處理中的應(yīng)用研究[D];電子科技大學(xué);2006年

6 伍亞舟;基于想象左右手運(yùn)動(dòng)思維腦電BCI實(shí)驗(yàn)及識(shí)別分類研究[D];第三軍醫(yī)大學(xué);2007年

7 唐艷;基于時(shí)間、頻率和空間域的自發(fā)腦電信號(hào)提取[D];中南大學(xué);2008年

8 陳東偉;非線性動(dòng)力學(xué)、因果腦網(wǎng)絡(luò)與聚類穩(wěn)定性在腦電信號(hào)分析中的應(yīng)用研究[D];太原理工大學(xué);2015年

9 馬小飛;認(rèn)知任務(wù)下的腦電動(dòng)力學(xué)分析[D];南京大學(xué);2017年

10 張美云;阿爾茨海默病腦電信號(hào)多尺度時(shí)空定量特征研究[D];天津醫(yī)科大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 常宇;基于運(yùn)動(dòng)想象的腦電信號(hào)分析與腦機(jī)接口系統(tǒng)設(shè)計(jì)[D];中北大學(xué);2019年

2 侯曉瑩;基于深度學(xué)習(xí)和腦電信號(hào)的情感分類方法研究[D];山東大學(xué);2019年

3 陸怡菲;基于腦電信號(hào)和眼動(dòng)信號(hào)融合的多模態(tài)情緒識(shí)別研究[D];上海交通大學(xué);2017年

4 王晴;基于腦電信號(hào)的情緒分類[D];北京郵電大學(xué);2019年

5 孔維嘉;基于腦電信號(hào)的實(shí)時(shí)情感識(shí)別系統(tǒng)[D];蘭州大學(xué);2019年

6 于祖熠;癲癇腦電的概率協(xié)作表示及用于發(fā)作預(yù)警的深度卷積特征研究[D];山東師范大學(xué);2019年

7 鄭文凱;基于深度學(xué)習(xí)腦電信號(hào)分類FPGA加速器的實(shí)現(xiàn)[D];山東師范大學(xué);2019年

8 崔志紅;基于卷積神經(jīng)網(wǎng)絡(luò)的腦電信號(hào)分析方法研究[D];山東師范大學(xué);2019年

9 李超;疲勞駕駛檢測(cè)系統(tǒng)的設(shè)計(jì)及其嵌入式實(shí)現(xiàn)[D];江西師范大學(xué);2018年

10 張萍萍;64導(dǎo)聯(lián)腦電信號(hào)分析系統(tǒng)的設(shè)計(jì)與研究[D];山東師范大學(xué);2019年

本文編號(hào)：2810967