腦機接口(brain-computer interface, BCI)通過在大腦和外部設備之間構建一條獨立的通道,達到兩者間信息傳遞和交互的目的,是當前國際研究熱點。頭皮腦電(EEG)中的事件相關P300電位是腦機接口研究的主要特征信號模式之一,具有產(chǎn)生穩(wěn)定、無需訓練等優(yōu)點。當前圍繞P300腦機接口的研究主要基于經(jīng)典的P300 Speller系統(tǒng),使用6×6字符矩陣的行、列刺激誘發(fā)用戶的P300電位。但近年來的研究發(fā)現(xiàn)P300 Speller的行列刺激誘發(fā)范式對某些被試而言任務復雜,且在某些應用場景中無法適用。此外,P300腦機接口中的刺激誘發(fā)參數(shù)選擇、模式識別、在線性能等關鍵技術還缺乏系統(tǒng)而深入的研究。 針對P300 Speller的局限性,本文重點研究基于SCF (single character flash,單刺激誘發(fā))范式的P300腦機接口,從交互界面、特征提取、分類和自適應及功能擴展等多個方面深入地探討了如何提高基于SCF范式的在線P300腦機接口性能。主要研究內(nèi)容包括： 1.首先設計了刺激誘發(fā)參數(shù)可配置的SCF范式P300腦機接口平臺,P300電位的誘發(fā)通過單個刺激閃爍實現(xiàn),而非經(jīng)典范式中的行、列刺激閃爍�；谠撈脚_,利用漢字由筆畫構成和5種筆畫即可輸出所有漢字兩個特點,首次提出了基于P300腦機接口的中文打字模型,使用7-oddball的SCF范式實現(xiàn)了快速、有效的中文漢字輸入。 2.提出了P300腦機接口刺激誘發(fā)參數(shù)的個性化配置策略,從交互界面改進系統(tǒng)性能。利用SCF范式P300腦機接口平臺的刺激誘發(fā)參數(shù)可配置性,研究了不同刺激誘發(fā)參數(shù)的在線帶反饋實驗。發(fā)現(xiàn)同一被試在不同配置下的在線正確率表現(xiàn)各異,且誘發(fā)的P300電位在幅度和潛伏期上存在較顯著差異。最后提出個性化配置策略,可根據(jù)被試個體因素進行個性化的刺激誘發(fā)參數(shù)優(yōu)化配置以提高系統(tǒng)性能。 3.提出了基于線性回歸的眼電偽跡去除策略和基于粗糙集理論的電極通道選擇方法,在特征提取上改進SCF范式P300腦機接口性能。通過在線實驗和離線分析驗證了使用基于線性回歸的去眼電偽跡策略能有效提高P300腦機接口性能；首次提出了基于粗糙集理論的電極通道選擇方法,無需分類器訓練即可有效評價通道重要性,達到快速優(yōu)化電極通道、降低處理數(shù)據(jù)維度的效果。且由該方法得到的通道重要性評價與其他文獻中根據(jù)經(jīng)驗選擇的電極通道位置基本一致。 4.研究了SCF范式下的P300電位識別方法,從分類轉(zhuǎn)換的角度提高系統(tǒng)性能,并提出了在線重疊自適應P300腦機接口模型,有效解決了自適應P300系統(tǒng)中的處理時滯問題。通過Fisher線性判別、支持向量機和bagging算法顯著提高了SCF范式下的P300識別正確率；分析了疊加方式、疊加次數(shù)與分類結果的關系,發(fā)現(xiàn)基于非疊加數(shù)據(jù)訓練的Fisher線性判別分類器能在4次疊加的測試中即達到93.07%的正確率。在此基礎上,提出了在線重疊自適應P300腦機接口模型,通過在交互界面上重疊P300的刺激誘發(fā)與分類器的結果反饋,縮短自適應疊加過程中的數(shù)據(jù)處理時滯,顯著提高了系統(tǒng)的自適應性能。 5.提出了EEG混合控制模式,功能上擴展了P300腦機接口的應用范圍。采用分時檢測策略將P300電位和運動想象節(jié)律信號整合到同一腦機接口中,利用P300提供高維度、離散控制指令,提取運動想象特征模式轉(zhuǎn)換為低維度、連續(xù)控制指令。在腦機接口結合虛擬現(xiàn)實的研究中,該EEG混合控制模式突破了傳統(tǒng)運動想象或P300腦機接口在虛擬場景中控制功能的局限性,實現(xiàn)了虛擬場景中的漫游和家居控制。 相比于大部分P300腦機接口的研究基于離線分析,本文不但實現(xiàn)了SCF范式的在線P300腦機接口,還設計了各種在線帶反饋的測試實驗驗證文中提出的方法和模型,且實驗任務具有上下文語義,更接近真實的應用場景。
【學位單位】：浙江大學
【學位級別】：博士
【學位年份】：2010
【中圖分類】：TP334.7
【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 腦機接口研究的問題
    1.3 研究目標與貢獻
    1.4 論文組織
第2章 腦機接口研究綜述
    2.1 腦機接口的發(fā)展歷史
    2.2 腦機接口的結構及組成
        2.2.1 信號輸入:大腦的神經(jīng)信號
        2.2.2 反饋輸出:腦機接口的應用
        2.2.3 數(shù)據(jù)處理:神經(jīng)信號到機器指令的解碼
        2.2.4 模塊的標準化及BCI2000
        2.2.5 腦機接口的性能評定
    2.3 EEG腦機接口
        2.3.1 EEG信號及其特征
        2.3.2 EEG腦機接口的類型
        2.3.3 各類腦機接口的比較與發(fā)展
    2.4 P300腦機接口的研究
        2.4.1 RCF范式和SCF范式
        2.4.2 刺激誘發(fā)參數(shù)、疊加和P300識別
        2.4.3 SCF范式中的研究問題
    2.5 本章小結
第3章 基于SCF范式的P300腦機接口平臺
    3.1 基于SCF范式的接口平臺設計
        3.1.1 信號采集模塊
        3.1.2 交互界面
        3.1.3 在線數(shù)據(jù)處理流程及算法
    3.2 應用與實驗驗證
        3.2.1 P300中文打字模型
        3.2.2 實驗方案
    3.3 在線實驗結果及分析
    3.4 本章小結
第4章 P300刺激誘發(fā)參數(shù)的個性化配置
    4.1 刺激間間隔
        4.1.1 刺激誘發(fā)模式設計
        4.1.2 在線實驗結果
        4.1.3 分析與討論
    4.2 刺激增強的誘發(fā)參數(shù)配置及實驗
    4.3 非固定疊加的誘發(fā)參數(shù)配置及實驗
    4.4 刺激位置參數(shù)的評價
    4.5 刺激誘發(fā)參數(shù)的個性化配置策略
    4.6 本章小結
第5章 SCF范式下的P300特征提取方法
    5.1 眼電偽跡去除方法的研究
        5.1.1 眼電干擾的原理
        5.1.2 基于線性回歸的眼電偽跡去除方法
        5.1.3 去除效果及分析
    5.2 時域上的特征提取
    5.3 基于粗糙集的空域特征選擇
        5.3.1 粗糙集的重要性度量
        5.3.2 電極通道選擇
    5.4 本章小結
第6章 P300腦機接口的分類及在線自適應
    6.1 SCF范式下的P300電位分類識別算法
        6.1.1 Fisher線性判別分析
        6.1.2 支持向量機
        6.1.3 數(shù)據(jù)處理及結果分析
    6.2 基于支持向量機的在線分類
    6.3 P300腦機接口中的分類器訓練
        6.3.1 帶反饋和無反饋數(shù)據(jù)的交叉檢驗
        6.3.2 不同刺激間間隔數(shù)據(jù)的交叉檢驗
    6.4 bagging方法在少次疊加中的應用
    6.5 P300分類中的疊加問題
    6.6 在線重疊自適應模型
        6.6.1 模型設計
        6.6.2 實驗及結果分析
    6.7 本章小結
第7章 EEG混合控制模式及應用
    7.1 腦機接口與虛擬現(xiàn)實
    7.2 混合控制模式的設計與應用
    7.3 混合控制模式中的數(shù)據(jù)處理
        7.3.1 共空間模式
        7.3.2 自適應頻段選擇
    7.4 實驗及任務設計
        7.4.1 被試和數(shù)據(jù)采集
        7.4.2 被試訓練
        7.4.3 任務設計
    7.5 實驗結果與討論
    7.6 本章小結
第8章 總結與展望
    8.1 全文總結
    8.2 未來工作展望
參考文獻
攻讀博士學位期間主要的研究成果
致謝

【相似文獻】

相關期刊論文 前10條

1 王洪濤;李霆;黃振鋒;;基于視覺誘發(fā)電位腦機接口的四自由度機械手控制系統(tǒng)設計[J];機床與液壓;2011年13期

2 呂俊;;腦機接口中基于MRP的半監(jiān)督判決空間模式法[J];電子科技;2011年08期

3 王日鳳;鐘寧;;高級認知過程對人腦信號活動模式的影響及認知系統(tǒng)仿真[J];計算機應用研究;2011年09期

4 謝宏;曹翔;;EZ-USB FX2接口在誘發(fā)電位儀系統(tǒng)中的應用[J];電子設計工程;2011年08期

5 羅志增;曹銘;;基于多尺度Lempel-Ziv復雜度的運動想象腦電信號特征分析[J];傳感技術學報;2011年07期

6 楊名龍;劉泉;艾青松;;基于MCU與虛擬儀器的腦電信號采集系統(tǒng)[J];武漢理工大學學報;2011年07期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相關博士學位論文 前10條

1 蘇煜;基于SCF范式的在線P300腦機接口研究[D];浙江大學;2010年

2 何慶華;基于視覺誘發(fā)電位的腦機接口實驗研究[D];重慶大學;2003年

3 龍錦益;腦信號分析的算法研究與多模態(tài)腦機接口[D];華南理工大學;2012年

4 吳婷;自發(fā)腦電腦機接口模式識別關鍵技術與實驗研究[D];上海交通大學;2008年

5 朱曉源;EEG腦機接口的連續(xù)預測方法研究[D];中國科學技術大學;2007年

6 趙麗;基于腦電信號的腦-機接口技術研究[D];天津大學;2004年

7 王鵬;腦機接口中植入式無線遙控遙測技術的研究[D];浙江大學;2012年

8 程明;基于腦電信號的腦—計算機接口的研究[D];清華大學;2004年

9 朱丹華;基于穩(wěn)態(tài)視覺誘發(fā)電位相位的腦機接口研究[D];浙江大學;2011年

10 李潔;多模態(tài)腦電信號分析及腦機接口應用[D];上海交通大學;2009年

相關碩士學位論文 前10條

1 徐江;基于實時腦機接口的無線遙控車系統(tǒng)[D];重慶大學;2010年

2 劉家樂;基于穩(wěn)態(tài)視覺誘發(fā)電位的腦機接口系統(tǒng)的設計與研究[D];安徽大學;2011年

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

4 吳太銀;基于瞬態(tài)視覺誘發(fā)電位的實時無線腦機接口系統(tǒng)的研究與設計[D];重慶大學;2010年

5 劉佳進;三維視覺刺激器在運動想象腦機接口中的應用研究[D];重慶大學;2010年

6 周麗娜;基于腦磁圖的腦機接口方法研究[D];燕山大學;2011年

7 章懷堅;基于大鼠的植入式腦機接口神經(jīng)信號處理方法研究[D];浙江大學;2011年

8 王清波;基于信息壓縮的無線植入式腦機接口中算法及系統(tǒng)研究[D];浙江大學;2011年

9 曾翔;基于腦機接口技術的電視遙控系統(tǒng)研究與設計[D];電子科技大學;2011年

10 李勇昌;基于MPI并行框架的實時注意力監(jiān)測腦機接口的研究與應用[D];蘭州大學;2012年

本文編號：2884564