腦機接口（brain-computer interface,BCI）是一種將人的意圖轉(zhuǎn)化為控制信號,去控制外部設(shè)備達到與外界交流目的通信系統(tǒng)。基于編碼調(diào)制的視覺誘發(fā)電位（code modulation visual evoked potential,c-VEP）BCI具有較高的信息傳輸率,但還未被深入研究。以往的研究常采用空域濾波的方式去整合多通道的腦電信號,并使用典型相關(guān)分析（canonical correlation analysis,CCA）優(yōu)化空域濾波器系數(shù),但由于不能精確地估計人腦的視覺潛伏延遲,導(dǎo)致濾波后提取的特征信號質(zhì)量不高,影響分類性能。本文從信號處理的角度出發(fā),將空域濾波器擴展成空域時域濾波器,旨在提高刺激目標(biāo)的分類識別率。研究多種不同濾波優(yōu)化算法,并對線性空域時域濾波和非線性空域時域濾波分別做出了分析,利用最小絕對收縮和選擇算子（the least absolute shrinkage and selection operator,LASSO）算法優(yōu)化線性濾波器,利用神經(jīng)網(wǎng)絡(luò)算法優(yōu)化非線性空域時域濾波器。通過模板匹配法識別的結(jié)果表明,基于LASSO優(yōu)化的空域時域濾波... 

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 腦機接口的定義和基本結(jié)構(gòu)
        1.1.1 腦機接口的定義
        1.1.2 腦機接口的基本結(jié)構(gòu)
    1.2 基于EEG信號的腦機接口分類
        1.2.1 視覺誘發(fā)電位腦機接口
        1.2.2 運動想象腦機接口
        1.2.3 事件相關(guān)電位腦機接口
        1.2.4 慢皮層電位腦機接口
    1.3 腦機接口的發(fā)展現(xiàn)狀和應(yīng)用前景
        1.3.1 腦機接口的發(fā)展現(xiàn)狀
        1.3.2 腦機接口的應(yīng)用前景
    1.4 腦機接口面臨的問題和挑戰(zhàn)
    1.5 論文的結(jié)構(gòu)和內(nèi)容
第二章 基于視覺誘發(fā)電位的腦機接口
    2.1 自發(fā)腦電和誘發(fā)腦電
    2.2 視覺誘發(fā)電位
        2.2.1 視覺系統(tǒng)
        2.2.2 視覺誘發(fā)電位
    2.3 視覺誘發(fā)電位腦機接口的調(diào)制方式
        2.3.1 時間調(diào)制視覺誘發(fā)電位腦機接口
        2.3.2 頻率調(diào)制視覺誘發(fā)電位腦機接口
        2.3.3 編碼調(diào)制視覺誘發(fā)電位腦機接口
    2.4 SSVEP BCI與 c-VEP BCI的比較
    2.5 本章小結(jié)
第三章 c-VEP BCI濾波優(yōu)化算法研究
    3.1 偽隨機碼
        3.1.1 M序列產(chǎn)生
        3.1.2 M序列的性質(zhì)
    3.2 空域濾波算法
        3.2.1 空域濾波器
        3.2.2 空域濾波算法
    3.3 空域時域濾波及逆濾波算法
        3.3.1 線性空域時域濾波算法
        3.3.2 非線性空域時域濾波算法
        3.3.3 空域時域逆濾波算法
    3.4 波束合成器算法
    3.5 模板匹配法
    3.6 本章小結(jié)
第四章 基于c-VEP濾波算法的性能分析
    4.1 基于c-VEP BCI的實驗系統(tǒng)搭建
        4.1.1 基于c-VEP BCI的實驗平臺
        4.1.2 導(dǎo)聯(lián)位置選擇
        4.1.3 視覺刺激器的設(shè)計
    4.2 實驗過程
    4.3 不同濾波優(yōu)化算法的數(shù)據(jù)分析
        4.3.1 最優(yōu)空域時域濾波算法的選取
        4.3.2 三種濾波算法的比較
    4.4 最優(yōu)參數(shù)分析
        4.4.1 目標(biāo)識別的數(shù)據(jù)長度
        4.4.2 訓(xùn)練實驗的次數(shù)
    4.5 本章小結(jié)
第五章 基于c-VEP多種濾波融合算法的性能分析
    5.1 多種濾波融合算法的原理
    5.2 融合算法的實現(xiàn)步驟
    5.3 融合濾波算法的性能分析
        5.3.1 融合算法與單獨算法的比較
        5.3.2 不同算法目標(biāo)識別相關(guān)系數(shù)比較
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來工作展望
致謝
參考文獻
攻讀學(xué)位期間的研究成果



本文編號：3654094