腦-機(jī)接口(BCI)技術(shù)是不依賴于常規(guī)腦外周神經(jīng)和肌肉系統(tǒng),在大腦和計(jì)算機(jī)或外部設(shè)備之間建立起來的一種通信系統(tǒng)。它利用計(jì)算機(jī)或其它電子設(shè)備對(duì)特定環(huán)境或任務(wù)下的腦電信號(hào)進(jìn)行采集和分析,以向外界傳達(dá)大腦信息或控制命令,并實(shí)現(xiàn)對(duì)外部設(shè)備的操縱。BCI技術(shù)在航空航天、機(jī)器人、多媒體、康復(fù)醫(yī)學(xué)工程、人工智能、腦認(rèn)知、生物反饋訓(xùn)練等領(lǐng)域有著廣闊的發(fā)展應(yīng)用前景。目前BCI技術(shù)已引起國際上眾多學(xué)科科技工作者的關(guān)注,成為神經(jīng)工程、通信、計(jì)算機(jī)技術(shù)等多領(lǐng)域交叉的一個(gè)新的研究熱點(diǎn),具有科學(xué)與應(yīng)用雙重價(jià)值。 由于BI研究起步較晚,技術(shù)比較復(fù)雜,涉及內(nèi)容和相關(guān)領(lǐng)域較多。因此,無論是BCI技術(shù)本身,還是對(duì)它的應(yīng)用研究,目前都處于探索階段,還有許多關(guān)鍵技術(shù)有待解決。如：BCI源信號(hào)的采集、信號(hào)處理和信息轉(zhuǎn)換的速度、實(shí)驗(yàn)范式的選擇、識(shí)別精度的提高、受試者的訓(xùn)練等。 針對(duì)目前BCI技術(shù)應(yīng)用中存在的問題,本文研究了基于視覺誘發(fā)P300的腦-機(jī)接口系統(tǒng)中腦電信號(hào)采集、處理和特征識(shí)別。具體完成工作如下： (1)腦電采集系統(tǒng)硬件實(shí)現(xiàn)。設(shè)計(jì)了高性能的生物電放大器,增加了皮膚接觸阻抗同步測試電路以及模擬陷波器和濾波器,采用Labview虛擬儀器平臺(tái)對(duì)放大器性能參數(shù)進(jìn)行了測試,并設(shè)計(jì)了系統(tǒng)的數(shù)字化部分即模數(shù)轉(zhuǎn)換和USB傳輸。 (2)腦電采集與測量系統(tǒng)軟件設(shè)計(jì)。為了具有通用性和可擴(kuò)展性,軟件設(shè)計(jì)架構(gòu)成不依賴具體放大器的通用腦-機(jī)接口系統(tǒng),可對(duì)視覺誘發(fā)腦電、體感誘發(fā)腦電、運(yùn)動(dòng)想象誘發(fā)腦電、自發(fā)腦電等實(shí)驗(yàn)數(shù)據(jù)進(jìn)行采集、存儲(chǔ)和腦電波形顯示。 (3)誘發(fā)腦電信號(hào)處理。采用獨(dú)立成分分析(ICA)結(jié)合主成分分析(PCA)方法進(jìn)行誘發(fā)腦電的實(shí)時(shí)信噪分離,有效地抑制了50HZ工頻干擾和測量中的偽跡。 (4)腦電特征實(shí)時(shí)提取。設(shè)計(jì)了視覺誘發(fā)刺激實(shí)驗(yàn)范式,完成了視覺誘發(fā)腦電測量實(shí)驗(yàn),提出了一種新的視覺誘發(fā)P300特征快速提取方法,采用AR參數(shù)模型與少次相干平均的方法實(shí)時(shí)提取P300特征,為實(shí)現(xiàn)在線腦-機(jī)接口系統(tǒng)奠定了基礎(chǔ)。 (5)腦電特征分類方法研究。利用標(biāo)準(zhǔn)腦-機(jī)接口實(shí)驗(yàn)數(shù)據(jù),分別基于Fisher線性判別方法和神經(jīng)網(wǎng)絡(luò)非線性判別方法對(duì)P300特征進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明：對(duì)于視覺誘發(fā)P300特征的識(shí)別精度可以滿足腦-機(jī)接口系統(tǒng)的要求。 本文所設(shè)計(jì)的腦電信號(hào)采集系統(tǒng)和特征識(shí)別算法可應(yīng)用于各類腦-機(jī)接口系統(tǒng)中,并為實(shí)現(xiàn)在線腦-機(jī)接口打下堅(jiān)實(shí)基礎(chǔ)。
【學(xué)位單位】：山西大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2010
【中圖分類】：TP334.7
【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 研究目的和意義
    1.2 研究現(xiàn)狀和存在問題
    1.3 論文主要研究內(nèi)容和結(jié)構(gòu)
第二章 腦電信號(hào)采集系統(tǒng)硬件設(shè)計(jì)
    2.1 設(shè)計(jì)思路與方法
        2.1.1 腦電產(chǎn)生機(jī)理
        2.1.2 自發(fā)腦電與誘發(fā)腦電
        2.1.3 采集系統(tǒng)整體設(shè)計(jì)方案
    2.2 前置模擬放大器設(shè)計(jì)
        2.2.1 整體電路結(jié)構(gòu)
        2.2.2 生物電前置放大器設(shè)計(jì)
    2.3 交流恒流源電路
    2.4 濾波和陷波電路設(shè)計(jì)
    2.5 基于Labview的電路參數(shù)自動(dòng)測試
        2.5.1 虛擬儀器測試平臺(tái)設(shè)計(jì)
        2.5.2 模擬實(shí)驗(yàn)測試
        2.5.3 實(shí)際應(yīng)用測試
        2.5.4 結(jié)論
    2.6 A/D轉(zhuǎn)換
    2.7 單片機(jī)控制系統(tǒng)
    2.8 USB接口電路
    2.9 本章小結(jié)
第三章 腦電信號(hào)采集系統(tǒng)軟件設(shè)計(jì)
    3.1 單片機(jī)程序設(shè)計(jì)
        3.1.1 整體框架
        3.1.2 USB程序設(shè)計(jì)
    3.2 計(jì)算機(jī)采集分析軟件
        3.2.1 利用虛基類（抽象類）,進(jìn)行放大器通用接口設(shè)計(jì)
        3.2.2 應(yīng)用多媒體定時(shí)器,進(jìn)行實(shí)時(shí)數(shù)據(jù)讀取
        3.2.3 應(yīng)用多線程技術(shù),進(jìn)行實(shí)時(shí)信號(hào)處理
        3.2.4 利用Matlab動(dòng)態(tài)鏈接庫進(jìn)行數(shù)據(jù)格式轉(zhuǎn)換
        3.2.5 視覺誘發(fā)刺激實(shí)驗(yàn)設(shè)計(jì)
    3.3 本章小結(jié)
第四章 腦電信號(hào)特征實(shí)時(shí)提取
    4.1 P300特征及其實(shí)驗(yàn)范式
    4.2 算法基本理論
        4.2.1 ICA結(jié)合PCA方法進(jìn)行實(shí)時(shí)信噪分離
    4.3 參數(shù)模型估計(jì)
    4.4 P300特征提取
    4.5 結(jié)果及分析
    4.6 本章小結(jié)
第五章 基于Fisher判別和神經(jīng)網(wǎng)絡(luò)的腦電特征分類
    5.1 實(shí)驗(yàn)范式及實(shí)驗(yàn)數(shù)據(jù)描述
    5.2 預(yù)處理
    5.3 特征選擇
    5.4 基于Fisher線性判別的腦電特征分類
        5.4.1 線性判別基本理論
        5.4.2 處理流程及結(jié)果分析
    5.5 基于神經(jīng)網(wǎng)絡(luò)的非線性特征分類
        5.5.1 神經(jīng)網(wǎng)絡(luò)
        5.5.2 徑向基神經(jīng)網(wǎng)絡(luò)
        5.5.3 徑向基函數(shù)學(xué)習(xí)過程
        5.5.4 算法與實(shí)現(xiàn)
        5.5.5 結(jié)果與分析
    5.6 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝
個(gè)人簡況及聯(lián)系方式

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前2條

1 王宇丁;實(shí)時(shí)腦—機(jī)接口設(shè)計(jì)與研究[D];重慶大學(xué);2012年

2 程萬里;視覺誘發(fā)腦—機(jī)接口中腦電信號(hào)處理算法研究[D];山西大學(xué);2013年

本文編號(hào)：2871995