【摘要】： 近年來,腦-機(jī)接口(Brain-Computer Interface:BCI)作為一種新型的人機(jī)交互技術(shù),已成為當(dāng)今腦科學(xué)和生物醫(yī)學(xué)工程領(lǐng)域的熱點(diǎn)課題。基于EEG信號(hào)的BCI是指在人腦和計(jì)算機(jī)或者其它電子設(shè)備之間建立的一種直接信息交流和控制通道。隨著認(rèn)知神經(jīng)科學(xué)、計(jì)算機(jī)科學(xué)與信號(hào)處理技術(shù)的飛速發(fā)展,腦-機(jī)接口技術(shù)正在逐步向?qū)嵱没椒òl(fā)展。 獨(dú)立分量分析(Independent Component Analysis:ICA)是20世紀(jì)90年代中期發(fā)展起來的一種多維統(tǒng)計(jì)分析方法。近年來ICA在腦-機(jī)接口中的應(yīng)用一直倍受關(guān)注,但是從目前已報(bào)道的研究中可以看出：ICA方法主要還是被作為一種預(yù)處理手段,用于消除原始腦電信號(hào)中的干擾成分,進(jìn)而改善腦-機(jī)通信的正確識(shí)別率。而且在很多情況下均采用的是批處理ICA進(jìn)行的腦-機(jī)接口離線分析。 考慮到腦電信號(hào)具有很強(qiáng)的非平穩(wěn)性,本論文的研究工作主要是圍繞適合非平穩(wěn)信號(hào)的在線ICA算法及其在腦-機(jī)接口中的應(yīng)用問題展開的。論文的主要?jiǎng)?chuàng)新點(diǎn)在于：提出了將基于滑動(dòng)窗的在線ICA算法應(yīng)用于信號(hào)包絡(luò)檢測(cè)的新思路,并成功地將這種思路應(yīng)用于BCI系統(tǒng)的信號(hào)特征提取和分類識(shí)別。通過對(duì)大量實(shí)測(cè)數(shù)據(jù)的分類測(cè)試,結(jié)果驗(yàn)證了所提方法的有效性。圍繞這一創(chuàng)新點(diǎn),本文在以下幾個(gè)方面做了一些有特色的工作： 1.在對(duì)ICA基本理論進(jìn)行分析研究的基礎(chǔ)上,重點(diǎn)對(duì)Herault-Jutten算法、Cichocki-Unbehauen算法、擴(kuò)展Infomax算法和峭度極大ICA算法展開了研究,并對(duì)這幾種算法的批處理和基于單個(gè)樣本更新的在線形式進(jìn)行了探討和性能對(duì)比分析,為算法的改進(jìn)提供了指導(dǎo)方向。 2.研究了改進(jìn)的基于滑動(dòng)窗的在線ICA算法,并分別在非時(shí)變混合模型和時(shí)變混合模型兩種情況下,對(duì)滑動(dòng)窗在線算法的盲分離性能進(jìn)行了研究分析。仿真實(shí)驗(yàn)結(jié)果說明滑動(dòng)窗在線ICA算法能夠在一定程度上兼顧批處理算法的穩(wěn)定性和基于單個(gè)樣本更新在線算法的自適應(yīng)跟蹤性能,對(duì)時(shí)變混合情況也能夠獲得較理想的盲分離結(jié)果。并提出了將滑動(dòng)窗在線ICA算法應(yīng)用于信號(hào)包絡(luò)檢測(cè)的新思路。仿真實(shí)驗(yàn)結(jié)果說明：利用在線算法得到的動(dòng)態(tài)混合矩陣系數(shù)對(duì)信號(hào)進(jìn)行包絡(luò)提取是完全可行的。 3.由于EEG信號(hào)的強(qiáng)非平穩(wěn)性,提出了將適合非平穩(wěn)性信號(hào)分析的Hilbert-Huang變換(HHT)方法引入腦-機(jī)接口的思想。通過實(shí)測(cè)數(shù)據(jù)分析得到：利用HHT算法中的EMD分解方法可以成功地實(shí)現(xiàn)對(duì)SSVEP信號(hào)的預(yù)處理和特征提取。此外,在基于HHT的左右手運(yùn)動(dòng)想象分析過程中,提出了一種基于運(yùn)動(dòng)想象¨節(jié)律包絡(luò)特性的分類識(shí)別思想。實(shí)驗(yàn)結(jié)果驗(yàn)證了該思路是可行的,并為在線ICA算法在腦-機(jī)接口中的應(yīng)用提供了指導(dǎo)思想。 4.提出了將在線ICA算法應(yīng)用于腦-機(jī)接口的新思路。大量的實(shí)測(cè)數(shù)據(jù)分類結(jié)果證明：利用在線ICA算法的包絡(luò)提取性能,可以成功地實(shí)現(xiàn)對(duì)左右手運(yùn)動(dòng)想象腦電的動(dòng)態(tài)分析和識(shí)別。為了驗(yàn)證分類結(jié)果的有效性,論文同時(shí)采用基于AR+BP、AR+LDA、AR+SVM和二階矩能量的四種分類方法進(jìn)行對(duì)比分析,結(jié)果表明基于在線ICA的分類效果非常理想。而且需要說明的是：在基于在線ICA算法的分類過程中并沒有訓(xùn)練的環(huán)節(jié),因此這種不經(jīng)過訓(xùn)練就能獲得較好分類結(jié)果的在線方法將會(huì)對(duì)BCI系統(tǒng)的簡(jiǎn)化提供很大的幫助。 5.對(duì)在線ICA算法在α波檢測(cè)中的應(yīng)用進(jìn)行了研究,結(jié)果進(jìn)一步驗(yàn)證了在線ICA算法對(duì)于腦電節(jié)律波進(jìn)行實(shí)時(shí)包絡(luò)提取的可行性。 6.成功地開展了對(duì)基于左右手運(yùn)動(dòng)想象、SSVEP和α波檢測(cè)三類BCI系統(tǒng)的自主實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)采集工作,并獲得了大量有效的自主實(shí)驗(yàn)數(shù)據(jù),為本實(shí)驗(yàn)室的后續(xù)研究工作提供了數(shù)據(jù)來源。
【圖文】：

應(yīng)用研究等方面都取得了很大的進(jìn)展。2009年7月1日，中央電視臺(tái)2套經(jīng)濟(jì)信息聯(lián)播節(jié)目就曾報(bào)道過由日本某家公司研制的基于腦電波控制的新型“意念”輪椅(圖1.2)。使用這臺(tái)輪椅，患者即使手不能動(dòng)，也可以操控這臺(tái)輪椅的前后、轉(zhuǎn)向等過程。這充分說明了BCI的研究正逐步向?qū)嵱没较虬l(fā)展。圖1.2日本某公司生產(chǎn)的“意念”輪椅 Figure1.2An”ideas，，， wheelehairmadeinJaPan國(guó)內(nèi)對(duì)于BCI的研究起步則相對(duì)較晚，但近十年以來也取得了較大發(fā)展，越來越多的科研機(jī)構(gòu)和高等院校都參與到該領(lǐng)域的研究。最具有代表性也是最早在國(guó)內(nèi)開展BCI研究的是清華大學(xué)高上凱教授領(lǐng)導(dǎo)的小組卜4，”一’9】，目前他們?cè)贐CI領(lǐng)域的研究成果己達(dá)到了國(guó)際先進(jìn)水平，并得到了國(guó)際同行的普遍認(rèn)可。另外，成都電子科技大學(xué)堯德中教授領(lǐng)導(dǎo)的小組在BCI研究

本論文所使用的自主實(shí)驗(yàn)數(shù)據(jù)的采集均是在安徽大學(xué)計(jì)算智能與信號(hào)處理重點(diǎn)實(shí)驗(yàn)室完成的。實(shí)驗(yàn)采集系統(tǒng)來自美國(guó)Neuroscan公司40導(dǎo)腦電采集設(shè)備(圖2.6)，以及實(shí)驗(yàn)室自行研制的一套生物電信號(hào)采集系統(tǒng)(圖2.7)。本文采用的左右手運(yùn)動(dòng)想象自主實(shí)驗(yàn)數(shù)據(jù)來自于Neuroscan采集系統(tǒng)，SSVEP實(shí)驗(yàn)數(shù)據(jù)和a波檢測(cè)數(shù)據(jù)則來自實(shí)驗(yàn)室自制的采集系統(tǒng)。圖2.6美國(guó)Neurosean公司40導(dǎo)腦電采集設(shè)備 Figure2.640cllannelsaequisitionsystemmadeinU.S.Neuroseanco互nPany
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2010
【分類號(hào)】：TP334.7

【引證文獻(xiàn)】

相關(guān)期刊論文 前2條

1 陳黎黎;國(guó)紅軍;陳國(guó)龍;;基于ERD/ERS現(xiàn)象的運(yùn)動(dòng)想象腦電信號(hào)分類研究[J];陜西科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

2 孟霏;張旭秀;;運(yùn)動(dòng)想象腦電信號(hào)的特征提取和分類進(jìn)展[J];北京生物醫(yī)學(xué)工程;2013年02期

相關(guān)碩士學(xué)位論文 前10條

1 董永慧;鴿子目標(biāo)導(dǎo)向行為中的神經(jīng)信息流分析[D];鄭州大學(xué);2018年

2 孫佳敏;EEG-fMRI混合腦機(jī)接口系統(tǒng)中EEG信號(hào)的在線去偽跡研究[D];華南理工大學(xué);2018年

3 佟歌;基于深度學(xué)習(xí)的運(yùn)動(dòng)想象腦電信號(hào)分類算法研究[D];哈爾濱工程大學(xué);2018年

4 左超華;便攜式單導(dǎo)腦電信號(hào)采集與處理研究[D];西南交通大學(xué);2016年

5 康莎莎;多類運(yùn)動(dòng)想象腦電信號(hào)的識(shí)別及其在BCI中的應(yīng)用[D];安徽大學(xué);2016年

6 高建;基于Android的穩(wěn)態(tài)視覺誘發(fā)電位視覺刺激器的研究[D];天津職業(yè)技術(shù)師范大學(xué);2016年

7 趙巖巖;基于運(yùn)動(dòng)想象的腦電信號(hào)特征提取及分類算法的研究[D];哈爾濱工程大學(xué);2016年

8 楊晨;基于經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥MD）的腦信號(hào)研究[D];南京郵電大學(xué);2015年

9 鞏笑曉;運(yùn)動(dòng)想象腦電信號(hào)的特征提取算法研究[D];安徽大學(xué);2014年

10 于涵;腦機(jī)接口技術(shù)中的ICA研究[D];南京郵電大學(xué);2014年

本文編號(hào)：2677025