【摘要】：注意力是心理學的一個概念,同時也是腦科學和生物信息學中的一個研究對象。監(jiān)測人的注意力可以成為人們學習或者工作的一種輔助工具,進而使人的學習和工作效率得到提高,甚至少犯許多嚴重的錯誤,例如在學習的過程中,如果有一個監(jiān)測學生注意力的工具,那么老師可以在學生注意力不集中的時候提醒學生,學生就可以及時更正自己的精神狀態(tài)。結(jié)合計算機科學及生物信息科學,我們可以通過腦機接口來監(jiān)測人的注意力。 用計算機開發(fā)各種用途的腦機接口是當前的一個研究熱點,但是,目前絕大部分腦機接口的類型都是動作類型,即通過腦機接口來監(jiān)測大腦在想象做什么樣的動作,進而由腦機接口向外部工作發(fā)出相同動作的指令,這種腦機接口的典型應(yīng)用就是機械臂。而關(guān)于實時監(jiān)測注意力這樣的精神狀態(tài)的腦機接口研究比較欠缺,因為注意力涉及到許多心理知識,研究過程比較復雜。而開發(fā)一個實時的監(jiān)測注意力的應(yīng)用系統(tǒng)更加少,更多的是離線處理的腦機接口,因為腦電波的分析處理十分復雜,中間的每一處理步驟都需要消耗一定的時間,很難做到實時監(jiān)測。 本論文對當前的腦機接口的技術(shù)和基礎(chǔ)理論進行了深入的分析,并吸收了諸多腦機接口開發(fā)的經(jīng)驗和理論知識,自主開發(fā)了一個實時監(jiān)測的腦機接口,并將其應(yīng)用于監(jiān)測人在學習中的注意力。該腦機接口采用小波變換對腦電信號進行去噪,然后用基于漢寧窗的FIR算法提取了6個特征值,最后用KNN (k-Nearest Neighbor)算法進行分類。腦機接口需要經(jīng)過大量的訓練才能應(yīng)用,通常一個腦機接口從一開始到最終的應(yīng)用需要經(jīng)過幾個月的訓練,因此,分類過程將隨著訓練數(shù)據(jù)的增多而降低時間效率。而且,目前越來越多腦機接口系統(tǒng)運行于普適環(huán)境,而普適環(huán)境下很多設(shè)備的計算性能并不高,更容易遇到實時響應(yīng)瓶頸。因此,提高分類器的實時性能對于實時的應(yīng)用系統(tǒng)至關(guān)重要。在本文中,我們采用MPI (Message Passing Interface)并行計算的框架,將分類算法實現(xiàn)并行化,以降低分類過程的時間消耗,從而達到實時應(yīng)用的需要。
[Abstract]:Attention is a concept of psychology and a subject of research in brain science and bioinformatics. Monitoring people's attention can become an auxiliary tool for people to learn or work, thereby improving their learning and working efficiency, and even reducing the number of serious mistakes, such as learning in the process, If there is a tool to monitor students' attention, the teacher can remind the students when they are not focused, and the students can correct their mental state in time. In combination with computer science and biological information science, we can monitor human attention through brain-computer interfaces. It is a hot research topic to use computer to develop various kinds of BCI. However, at present, most of BCI's types are action types, that is to say, BCI is used to monitor what kind of action the brain is imagining. Then the Brain-Computer Interface (BCI) sends out the same action instructions to the external operation. The typical application of this BCI is the robot arm. However, there is a lack of research on the Brain-Computer Interface (BCI) for the mental state of monitoring attention in real time, because attention involves a lot of psychological knowledge and the research process is more complicated. The development of a real-time monitoring attention application system is less, more is offline processing of the brain computer interface, because the analysis and processing of brain waves is very complex, each processing step in the middle takes a certain amount of time. It is difficult to monitor in real time. In this paper, the current BCI technology and basic theory are deeply analyzed, and a real-time monitoring BCI is developed independently by absorbing the experience and theoretical knowledge of BCI development. And it is applied to monitor the attention of people in learning. The FIR algorithm based on Hanning window is used to extract six eigenvalues and the KNN (k-Nearest Neighbor) algorithm is used to classify the EEG signals. BCI needs a lot of training before it can be applied. Usually, a BCI needs several months' training from the beginning to the end. Therefore, the classification process will reduce the time efficiency with the increase of training data. Moreover, more and more BCI systems are running in pervasive environments, and many devices in pervasive environments have low computing performance, which makes it easier to meet the bottleneck of real-time response. Therefore, it is very important to improve the real-time performance of classifier for real-time application system. In this paper we use the framework of MPI (Message Passing Interface) parallel computing to parallelize the classification algorithm so as to reduce the time consumption of the classification process and achieve the need of real-time application.
【學位授予單位】：蘭州大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TP334.7

【相似文獻】

相關(guān)期刊論文 前10條

1 劉婕,劉燦文;求解一類邊界問題的最小曲面的數(shù)值并行算法[J];微型電腦應(yīng)用;2003年03期

2 曾志峰;Linux環(huán)境下MPI并行編程與算法實現(xiàn)研究[J];航空計算技術(shù);2004年02期

3 蔣英,雷永梅;MPI中的3種數(shù)據(jù)打包發(fā)送方式及其性能分析[J];計算機工程;2002年08期

4 郝曉云,范玉妹;用圖像展示并行效率的實現(xiàn)[J];計算機工程與應(yīng)用;2003年19期

5 劉華,徐煒民,孫強;基于MPI并行程序的性能評測可視化工具[J];計算機工程;2004年10期

6 朱文明;高諾;;腦機接口技術(shù)研究概述[J];信息技術(shù)與信息化;2008年06期

7 張國勇;;基于MPI的反應(yīng)擴散方程的并行計算[J];湖北師范學院學報(自然科學版);2009年02期

8 趙 軍,宋君強,孔金珠;基于MPI環(huán)境的并行應(yīng)用軟件系統(tǒng)移植[J];計算機工程與設(shè)計;2002年06期

9 孫振明;PROFIBUS工業(yè)現(xiàn)場總線在燒結(jié)自動控制中的應(yīng)用[J];新疆鋼鐵;2002年01期

10 劉信安,李佳;基于PC集群系統(tǒng)的MPICH大規(guī)模并行計算實現(xiàn)與應(yīng)用研究[J];計算機與應(yīng)用化學;2003年05期

相關(guān)會議論文 前10條

1 耿麗清;趙麗;元鵬賢;李宏偉;;基于雙層穩(wěn)態(tài)視覺誘發(fā)電位的腦機接口技術(shù)研究[A];中國自動化學會控制理論專業(yè)委員會D卷[C];2011年

2 錢久超;夏斌;楊文璐;;基于P300誘發(fā)電位的腦機接口技術(shù)研究綜述[A];全國第21屆計算機技術(shù)與應(yīng)用學術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學術(shù)會議論文集[C];2010年

3 李焱;胡祥云;吳桂桔;廖國忠;;基于MPI的三維大地電磁正反演的并行算法研究[A];中國地球物理2010——中國地球物理學會第二十六屆年會、中國地震學會第十三次學術(shù)大會論文集[C];2010年

4 許麗;周南;徐泳;;基于MPI的二維穩(wěn)態(tài)溫度場并行計算[A];北京力學會第18屆學術(shù)年會論文集[C];2012年

5 陳連榮;彭朝暉;;高斯射線聲場模型在MPI環(huán)境下的并行算法設(shè)計[A];中國聲學學會水聲學分會2011年全國水聲學學術(shù)會議論文集[C];2011年

6 陶霖密;穆煜;楊澍;張中元;馬旭龍;;人-車交互系統(tǒng)的設(shè)計與實現(xiàn)[A];第18屆全國多媒體學術(shù)會議（NCMT2009）、第5屆全國人機交互學術(shù)會議（CHCI2009）、第5屆全國普適計算學術(shù)會議（PCC2009）論文集[C];2009年

7 王攀峰;杜云飛;周海芳;楊學軍;;面向大規(guī)模MPI程序的應(yīng)用級checkpointing技術(shù)[A];第15屆全國信息存儲技術(shù)學術(shù)會議論文集[C];2008年

8 劉鵬茂;柳建新;劉文R，

本文編號：2181418