本文關(guān)鍵詞：基于ERP的交互式字符輸入腦機(jī)接口系統(tǒng)，由筆耕文化傳播整理發(fā)布。

【摘要】：腦-機(jī)接口（brain-computer interface, BCI)系統(tǒng)能夠不依賴于人體正常的肌肉神經(jīng)組織，而是通過(guò)在人腦與外部設(shè)備之間建立一條特殊的通道，實(shí)現(xiàn)人與外界環(huán)境的交流與溝通。由于BCI系統(tǒng)在醫(yī)療、軍事、科技及生活?yuàn)蕵?lè)等眾多領(lǐng)域具有巨大的潛在應(yīng)用價(jià)值，該技術(shù)引起了國(guó)內(nèi)外越來(lái)越多學(xué)者的關(guān)注。本文研宄基于事件相關(guān)電位(event-relatedpotential, ERP)的字符輸入BCI系統(tǒng)，研宄內(nèi)容主要包括以下幾點(diǎn)： (1)系統(tǒng)方案的提出:本文設(shè)計(jì)了一種基于視覺(jué)ERP的交互式字符輸入BCI系統(tǒng)，根據(jù)受試者實(shí)時(shí)腦電信號(hào)特征改變刺激呈現(xiàn)方式，以此作為反饋，從而給受試者一個(gè)有用的心理提示。通過(guò)人腦與計(jì)算機(jī)之間的實(shí)時(shí)交互，，能夠方便受試者對(duì)實(shí)驗(yàn)狀態(tài)及時(shí)進(jìn)行調(diào)整，從而快速輸出目標(biāo)字符。交互式BCI系統(tǒng)方案的提出是本文的一個(gè)主要?jiǎng)?chuàng)新點(diǎn)。 (2)視覺(jué)刺激界面的設(shè)計(jì)：利用訓(xùn)練時(shí)得到的受試者腦電信號(hào)分類器模型對(duì)在線采集到的數(shù)據(jù)進(jìn)行分類，計(jì)算出刺激界面矩陣中每個(gè)字符的分類器響應(yīng)值，據(jù)此改變字符閃爍的亮度，即減小此分類器響應(yīng)較小值所對(duì)應(yīng)字符的亮度，增大分類器響應(yīng)較大值所對(duì)應(yīng)字符的亮度，從而獲取更有利于分類的ERP信號(hào)（如P300、N200成分）。 (3)動(dòng)態(tài)輸出（dynamic output, DO)算法的研宄：傳統(tǒng)字符輸入BCI系統(tǒng)采用固定閃爍次數(shù)的方式，為保證輸入準(zhǔn)確率，一般輸入速度較慢。動(dòng)態(tài)輸出方法則根據(jù)在線腦電數(shù)據(jù)確定何時(shí)輸出，因此可以大大提高字符輸入速度。本文比較了兩種動(dòng)態(tài)輸出算法，包括基于貝葉斯線性判別分析（bayesian linear discriminant analysis, BLDA)的動(dòng)態(tài)輸出算法和基于貝葉斯后驗(yàn)概率的動(dòng)態(tài)停止準(zhǔn)則（dynamic stopping criterion, DSC)動(dòng)態(tài)輸出算法。本文利用這兩種算法分別對(duì)在線測(cè)試的數(shù)據(jù)進(jìn)行離線分析，并對(duì)其結(jié)果進(jìn)行了比較。 通過(guò)對(duì)：10名受試者的腦電信號(hào)進(jìn)行分析，實(shí)驗(yàn)結(jié)果表明，通過(guò)改變字符閃爍的亮度，該交互式系統(tǒng)能夠獲取更有利于分類的腦電信號(hào)，不僅提高了系統(tǒng)的通訊速率，同時(shí)也提高了字符識(shí)別的準(zhǔn)確率。DSC動(dòng)態(tài)輸出算法能夠在保證字符識(shí)別準(zhǔn)確率的同時(shí)有效縮短輸入時(shí)間。
【關(guān)鍵詞】：腦機(jī)接口 交互式系統(tǒng) 事件相關(guān)電位 動(dòng)態(tài)輸出
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP334.7
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-19
• 1.1 腦機(jī)接口系統(tǒng)的定義及研究意義10-12
• 1.2 腦機(jī)接口系統(tǒng)研究方法12-15
• 1.3 BCI系統(tǒng)國(guó)內(nèi)外研究現(xiàn)狀15-16
• 1.4 本文的研究目的及研究?jī)?nèi)容16-17
• 1.5 本文內(nèi)容安排17-19
• 第二章 視覺(jué)誘發(fā)電位及事件相關(guān)電位19-28
• 2.1 引言19
• 2.2 視覺(jué)誘發(fā)電位用于BCI系統(tǒng)的原理19-21
• 2.3 事件相關(guān)電位21-22
• 2.4 P300腦電信號(hào)22-24
• 2.5 N200腦電信號(hào)24-26
• 2.6 本章小結(jié)26-28
• 第三章 交互式字符輸入BCI系統(tǒng)的實(shí)現(xiàn)28-39
• 3.1 實(shí)驗(yàn)所需要的硬件設(shè)備28-29
• 3.2 實(shí)驗(yàn)所需要的軟件設(shè)施29-33
• 3.3.1 刺激系統(tǒng)的設(shè)計(jì)要求30-31
• 3.3.2 刺激系統(tǒng)設(shè)計(jì)的理論依據(jù)31-32
• 3.3.3 刺激序列的設(shè)計(jì)32-33
• 3.4 視覺(jué)刺激器的實(shí)現(xiàn)33-37
• 3.4.1 訓(xùn)練階段34-35
• 3.4.2 在線測(cè)試階段35-37
• 3.5 ERP信號(hào)的采集37-38
• 3.6 本章小結(jié)38-39
• 第四章 EEG信號(hào)的預(yù)處理與分類方法39-50
• 4.1 預(yù)處理39-40
• 4.2 特征提取40-41
• 4.3 分類器介紹41-45
• 4.3.1 Bayesian LDA分類器42-45
• 4.4 動(dòng)態(tài)輸出算法45-49
• 4.4.1 基于BLDA的動(dòng)態(tài)輸出算法45-46
• 4.4.2 基于貝葉斯后驗(yàn)概率的DSC動(dòng)態(tài)輸出算法46-49
• 4.5 本章小結(jié)49-50
• 第五章 實(shí)驗(yàn)結(jié)果與討論50-59
• 5.1 改變亮度與不變亮度實(shí)驗(yàn)結(jié)果與討論50-54
• 5.1.1 實(shí)驗(yàn)結(jié)果50-54
• 5.1.2 討論54
• 5.2 兩種動(dòng)態(tài)輸出算法的離線數(shù)據(jù)分析54-57
• 5.2.1 實(shí)驗(yàn)結(jié)果54-57
• 5.2.2 討論57
• 5.3 實(shí)驗(yàn)過(guò)程中一些參數(shù)的選取分析57-58
• 5.4 本章小結(jié)58-59
• 總結(jié)與展望59-62
• 全文總結(jié)59-60
• 未來(lái)工作的展望60-62
• 參考文獻(xiàn)62-67
• 攻讀碩士學(xué)位期間取得的研究成果67-68
• 致謝68-69
• 附件69

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 楊立才,李佰敏,李光林,賈磊;腦-機(jī)接口技術(shù)綜述[J];電子學(xué)報(bào);2005年07期

2 何慶華,彭承琳,吳寶明;腦機(jī)接口技術(shù)研究方法[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年12期

  本文關(guān)鍵詞：基于ERP的交互式字符輸入腦機(jī)接口系統(tǒng)，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：364648