腦—機接口（Brain-Computer Interface, BCI）是在人腦和計算機或其它電子設(shè)備之間建立的一種直接信息交流和控制通道,是一種不依賴于常規(guī)大腦輸出通路（外周神經(jīng)和肌肉組織）的全新信息交流系統(tǒng)。BCI作為一種全新的信息交換與控制技術(shù),將能為癱瘓病人,特別是那些喪失了基本肢體運動功能但思維正常的患者,提供一種與外界進行信息交流與控制的新途徑,正受到越來越廣泛的關(guān)注。 某些類型的事件相關(guān)現(xiàn)象體現(xiàn)了連續(xù)腦電（electroencephalograph, EEG）信號在特定頻域內(nèi)能量的減少或增加現(xiàn)象,分別反映出皮質(zhì)神經(jīng)細(xì)胞群同步性活動的減弱或增強。其前者定義為事件相關(guān)去同步（event-related desynchronization, ERD）,后者定義為事件相關(guān)同步（event-related synchronization, ERS）。本文根據(jù)想象動作可以引起腦電信號的ERD/ERS特異性變化這一思想,設(shè)計了一組基于想象動作電位的BCI實驗,其核心研究內(nèi)容是如何通過提取腦電特征參數(shù)來識別想象動作的發(fā)生。 本文分別使用了時頻圖... 

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 BCI 研究目的和意義
        1.1.1 BCI 簡介
        1.1.2 BCI 應(yīng)用目標(biāo)和科學(xué)意義
    1.2 BCI 研究現(xiàn)狀
    1.3 本文的BCI 技術(shù)方案選擇
        1.3.1 BCI 實驗信號的選擇
        1.3.2 信號采集方式的選擇
    1.4 本文主要研究內(nèi)容與章節(jié)安排
        1.4.1 主要研究內(nèi)容
        1.4.2 主要章節(jié)安排
第二章 BCI 實驗系統(tǒng)設(shè)計
    2.1 腦與EEG 產(chǎn)生基礎(chǔ)
        2.1.1 腦生理學(xué)基礎(chǔ)
            2.1.1.1 大腦皮質(zhì)結(jié)構(gòu)簡介
            2.1.1.2 大腦皮質(zhì)的分區(qū)與功能定位
        2.1.2 EEG 的生理生化基礎(chǔ)
    2.2 基于EEG 的BCI 實驗方法
        2.2.1 EEG 信號特征
        2.2.2 EEG 記錄方法
            2.2.2.1 電極的選擇與安置方法
            2.2.2.2 導(dǎo)聯(lián)選擇方式
        2.2.3 EEG 信號處理方法
            2.2.3.1 EEG 數(shù)據(jù)的預(yù)處理
            2.2.3.2 EEG 信號處理方法
        2.2.4 基于EEG 的BCI 系統(tǒng)性能評價
    2.3 基于ERD/ERS 的BCI 實驗系統(tǒng)設(shè)計
        2.3.1 ERD/ERS 的電生理學(xué)基礎(chǔ)簡介
        2.3.2 基于ERD 的BCI 實驗設(shè)計原理
            2.3.2.1 EEG 信號放大器參數(shù)
            2.3.2.2 信號采集卡的選擇
            2.3.2.3 實驗電極的選擇與安置
            2.3.2.4 導(dǎo)聯(lián)選擇方式
            2.3.2.5 實驗平臺的設(shè)計
            2.3.2.6 實驗過程簡述
第三章 想象動作電位信號提取
    3.1 時頻分析法
        3.1.1 短時傅里葉變換理論基礎(chǔ)
        3.1.2 基于短時傅里葉變換的時頻分析法
        3.1.3 功率譜密度算法的性能評價
    3.2 復(fù)雜度分析
        3.2.1 復(fù)雜度理論基礎(chǔ)
        3.2.2 基于K_c理論的EEG信號分析
        3.2.3 K_c算法的性能評價
    3.3 功率譜熵(Power Spectral Entropy, PSE)分析
        3.3.1 功率譜熵理論基礎(chǔ)
        3.3.2 基于功率譜熵的EEG 信號分析
        3.3.3 功率譜熵算法性能評價
    3.4 小波熵(Wavelet Entropy, WE)分析
        3.4.1 小波變換理論基礎(chǔ)
        3.4.2 基于小波變換的小波熵理論
        3.4.3 基于小波熵的EEG 信號分析
        3.4.4 小波熵算法性能評價
    3.5 基于距離判別法的意識任務(wù)分類方法
第四章 課題總結(jié)與展望
    4.1 課題總結(jié)
    4.2 課題展望
參考文獻
發(fā)表論文和科研情況說明
致謝


【參考文獻】：
期刊論文
[1]腦-機接口:大腦對外信息交流的新途徑[J]. 萬柏坤,高揚,趙麗,綦宏志.  國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊. 2005(01)
[2]小波熵及其在狀態(tài)趨勢分析中的應(yīng)用[J]. 印欣運,何永勇,彭志科,褚福磊.  振動工程學(xué)報. 2004(02)
[3]采樣參數(shù)變化對腦電信號復(fù)雜度分析的影響[J]. 封洲燕,鄭筱祥.  生物醫(yī)學(xué)工程學(xué)雜志. 2002(04)



本文編號：3696542