【摘要】： 腦機接口(Brain-Computer Interface ,BCI)是基于腦電信號,而不依賴于腦的正常輸出通路(即外周神經(jīng)和肌肉)的,實現(xiàn)人腦與計算機或其它電子設(shè)備通訊和控制的技術(shù)。BCI可以為那些大腦正常,而中樞神經(jīng)系統(tǒng)受到嚴(yán)重?fù)p傷的閉鎖病人提供一種與外界交流和控制的途徑,在康復(fù)領(lǐng)域具有重大應(yīng)用價值。 本文在充分了解國內(nèi)外相關(guān)研究的基礎(chǔ)上,以運動想象作為切入點,系統(tǒng)地研究了基于左右手運動想象的腦機接口從離線分析到在線應(yīng)用的各個層面的問題,取得了卓有成效的成果。 針對受試者在運動想象時的個體差異所造成的特征提取的盲目性,分類正確率難以進(jìn)一步提高的缺點,本文提出了“基于時頻分析的左右手運動想象頻帶能量特征差腦地形圖法”,“基于樣本熵的左右手運動想象復(fù)雜度特征差腦地形圖法”,和“基于高階累積量的左右手運動想象特征差腦地形圖法”三種方法,成功解決了左右手運動想象BCI的個性化設(shè)計難題,實現(xiàn)了用最少的導(dǎo)聯(lián),最少的特征向量,最簡單的特征提取和分類算法,取得較好的分類效果。 全面論證了頻帶能量,樣本熵,4階累積量作為左右手運動想象分類特征的可行性,并針對這三種特征研究了各自的特征提取快速算法和最佳參數(shù)選擇問題。探討了五種分類器在左右手運動想象BCI中的應(yīng)用,研究了其分類原理與設(shè)計方法,全面比較了各種分類器的優(yōu)缺點和適用范圍,為實時BCI系統(tǒng)分類器的選擇以及個性化BCI最佳特征的選擇提供理論和實驗依據(jù)。 為了進(jìn)一步改善BCI系統(tǒng)性能,本文對運動想象思維策略的選擇,EEG采集方式,訓(xùn)練數(shù)據(jù)選擇等方面進(jìn)行了深入探討。實驗結(jié)果表明:復(fù)雜度高的左右手運動想象策略對于BCI系統(tǒng)整體分類正確率的提高有所幫助;三同心圓環(huán)拉普拉斯電極具有良好的空間分辨率和空間定位性能,比傳統(tǒng)EEG測量更能有效檢測運動想象時的大腦區(qū)域化特征,而且操作簡單,適合在線BCI系統(tǒng)的應(yīng)用;“基于決策融合的訓(xùn)練數(shù)據(jù)選擇算法”,可以排除原樣本中由于受試者主觀因素導(dǎo)致的“不利樣本”,有效改善分類器的性能,提高BCI分類正確率。 自行研制了基于左右手運動想象的實時在線BCI系統(tǒng),采用“決策融合”算法實現(xiàn)了對空閑狀態(tài)的識別,成功解決了該類BCI連續(xù)工作問題。并在此基礎(chǔ)上,將BCI與具體應(yīng)用相結(jié)合,開發(fā)了“基于BCI的癱瘓病人輔助康復(fù)系統(tǒng)”和“基于BCI的環(huán)境控制系統(tǒng)”,初步實驗證明了這兩種應(yīng)用方案的可行性,展示了其潛在應(yīng)用價值。
【圖文】：

以及目前腦電信號的主要分析方法，為后續(xù)工作做準(zhǔn)備。腦的結(jié)構(gòu)與功能區(qū)腦的組成[78，79]腦是中樞神經(jīng)系統(tǒng)的重要組成部分，位于顱腔內(nèi)，由大腦、間腦、中包括橋腦、小腦）和延髓（末腦）5 個部分組成。一般將延髓、腦橋腦干，有的學(xué)者把間腦也歸入腦干。據(jù)腦功能劃分，人腦又可分為三個部分。第一部分為大腦，該部分是、發(fā)育程度最高的部分。它由中線縱裂分開，成為兩個大腦半球。大部有胼胝體將兩半球連在一起，主要控制人的高級意識功能，如語言能維等。大腦半球的分葉如圖 2-1 所示。第二部分為腦干，它是大腦與部分，內(nèi)有許多重要的內(nèi)臟反映中樞。第三部分為小腦，在維持肌肉緊各組肌肉間的同步活動中起重要作用，如手足動作的協(xié)調(diào)控制以及維衡等。

含大量中等大小的錐體細(xì)胞和少量顆粒細(xì)胞，管，主要由許多星形細(xì)胞構(gòu)成，也有少量錐體細(xì)胞，域的信息；，含許多大的和中等的錐體細(xì)胞，在運動皮質(zhì)還含有要將命令傳達(dá)到皮層下各級中樞，尤其是丘腦的信含大量的梭形細(xì)胞以及少量的星形細(xì)胞和錐體細(xì)胞保持半球間的聯(lián)系。各個不同的區(qū)域，都具有相似的上述六層結(jié)構(gòu)。但各這是與各區(qū)域的功能分工相聯(lián)系的。如內(nèi)顆粒層，息，有更多的傳入纖維匯聚在這里，因此在皮層的層的運動區(qū)，由于下行纖維較多，，所以它的內(nèi)錐體胞構(gòu)筑的局部差異，大腦皮質(zhì)可被分為不同的若干dmann 分區(qū)（52 分區(qū)），如圖 2-2 所示。各區(qū)之間一
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2007
【分類號】：TP334.7

【引證文獻(xiàn)】

相關(guān)期刊論文 前3條

1 趙麗;郭旭宏;;基于運動想象的腦電信號功率譜估計[J];電子測量技術(shù);2012年06期

2 胡俠;吳耿鋒;;基于運動想象腦電信號的導(dǎo)聯(lián)排序研究[J];計算機工程與設(shè)計;2010年19期

3 王學(xué)民;陳芳;郁洪強;周鵬;;基于極低頻磁刺激的大腦諧振效應(yīng)[J];天津大學(xué)學(xué)報;2011年09期

相關(guān)博士學(xué)位論文 前3條

1 賈文川;四足機器人腦機協(xié)作導(dǎo)航與規(guī)劃[D];華中科技大學(xué);2011年

2 郭曉靜;獨立分量分析在腦—機接口中的應(yīng)用研究[D];安徽大學(xué);2010年

3 施錦河;運動想象腦電信號處理與P300刺激范式研究[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 陳魁;CSP算法在多任務(wù)下的擴展及在腦—機接口中的應(yīng)用[D];南昌大學(xué);2010年

2 王艷景;基于運動想象的腦—機接口關(guān)鍵技術(shù)研究[D];山西大學(xué);2011年

3 張育俊;嵌入式256導(dǎo)聯(lián)腦電圖機系統(tǒng)設(shè)計[D];廣東工業(yè)大學(xué);2012年

4 宋俊可;基于EEG的運動想象分類與識別算法及其在腦—機接口中的應(yīng)用[D];安徽大學(xué);2012年

5 萬斌;基于運動想象的腦—機接口頻帶優(yōu)化及分類算法研究[D];南昌大學(xué);2012年

6 周宏;基于左右手運動想象的腦電信號的分類研究[D];大連交通大學(xué);2012年

7 侯秉文;運動想象腦機接口的特征提取與模式分類研究[D];西安電子科技大學(xué);2012年

8 高培;基于自組織模糊神經(jīng)網(wǎng)絡(luò)在腦機接口中的應(yīng)用及其研究[D];江南大學(xué);2012年

9 蘇少軍;基于運動想象腦電的運動控制腦—機接口研究[D];華僑大學(xué);2012年

10 李春月;運動想象BCI系統(tǒng)的信息累積算法研究[D];大連理工大學(xué);2013年

本文編號：2670421