發(fā)布時間：2018-04-25 06:56

  本文選題：腦-機接口 + 事件相關(guān)電位��； 參考：《天津大學(xué)》2014年碩士論文

【摘要】：與傳統(tǒng)的個體依賴型腦-機接口相比,跨個體腦-機接口的用戶可以縮短或者不經(jīng)歷校準(zhǔn)過程,直接對通用型系統(tǒng)進行使用�？s短腦-機接口校準(zhǔn)過程意味著對肢體運動功能受損患者時間精力的節(jié)省和后續(xù)使用效果的提高,同時也更加符合面向大量健康用戶的通用型腦-機接口的使用需求。然而目前已有的基于事件相關(guān)電位(ERP)的腦-機接口跨個體識別研究大多存在被試樣本數(shù)少,缺少實時驗證等問題,其可行性及其影響因素需要進一步的探究。針對上述問題,本文設(shè)計了兩部分實驗,在離線實驗中利用Farwell范式視覺誘發(fā)ERP信號,采集了55名被試數(shù)據(jù),利用相干平均算法提取ERP時域特征,并通過一種集成的線性分類器進行跨個體的字符識別,得到86.64%的平均正確率,充分顯示了腦-機接口跨個體識別的可行性,其中65.45%的被試跨個體識別率達到90%,表明對大部分被試來說,系統(tǒng)使用前的校準(zhǔn)過程甚至可以省略。研究中進一步對影響跨個體識別效果的因素進行了分析,其中加入被試自身信息可以明顯提升跨個體模型的識別效果,相比單純利用其自身數(shù)據(jù)建模而言,平均時間節(jié)省約93.93%,大大加快了校準(zhǔn)進程。另外,實驗結(jié)果也顯示訓(xùn)練跨個體模型的人數(shù)以及性別等因素會對其識別效果造成影響。為了進一步驗證離線分析的結(jié)論,對20名被試在相同的實驗范式下進行了在線測試,利用其一周前的離線數(shù)據(jù)所建立的SD,SI,Semi SI三種模型進行字符實時預(yù)測,分別得到了97.5%,87.7%和91.1%的識別正確率,驗證了同一個體不同時間的腦電信號穩(wěn)定性,以及跨個體分類器在線使用的可行性。為了探索跨個體模型的可推廣性,文中還在兩組不同實驗范式的數(shù)據(jù)集上進行了識別驗證,測試了該模型的適用范圍和通用性能�？傊�,本文研究成果從個體、時間、實驗范式等多個角度,探索了跨個體通用模型的可行性,為通用型腦-機接口應(yīng)用的進一步發(fā)展提供了理論與技術(shù)支持。
[Abstract]:Compared with the traditional individual dependent brain-computer interface, the cross-individual BCI user can shorten or not go through the calibration process and directly use the general-purpose system. Shortening the calibration process of BCI means saving time and energy and improving the effect of subsequent use in patients with impaired limb motor function. At the same time, it is more suitable for the use of general brain-computer interface (BCI) for a large number of healthy users. However, most of the existing researches on BCI based on ERP (event related potentials) have few samples and lack of real time verification, so the feasibility and its influencing factors need to be further explored. In order to solve the above problems, two experiments are designed in this paper. In the off-line experiment, the Farwell normal form is used to induce the ERP signal, 55 subjects are collected, and the time domain feature of ERP is extracted by using the coherent averaging algorithm. An integrated linear classifier is used to recognize characters across individuals, and an average accuracy of 86.64% is obtained, which fully shows the feasibility of BCI cross-individual recognition. Among them, 65.45% of the subjects had a cross-individual recognition rate of 90%, indicating that the calibration process before the use of the system could even be omitted for most of the subjects. In the study, the factors that affect the cross-individual identification effect are analyzed, and the identification effect of cross-individual model can be significantly improved by adding the information of the subjects, compared with the mere use of their own data to model the model. Average time savings are about 93.93, greatly speeding up the calibration process. In addition, the experimental results also show that the number and gender of training cross-individual model will affect the recognition effect. In order to further verify the conclusion of offline analysis, 20 subjects were tested on line under the same experimental paradigm, and the three models of SDFSI Semi SI, which were established by their offline data a week ago, were used to predict the characters in real time. The recognition accuracy of 97.5% and 91.1% is obtained respectively, which verifies the stability of EEG signals at different time points of the same body and the feasibility of on-line use of cross-individual classifiers. In order to explore the extensibility of the cross-individual model, two sets of data sets of different experimental paradigms are used to identify and verify the model, and the applicability and general performance of the model are tested. In a word, from the perspectives of individual, time and experimental paradigm, this paper explores the feasibility of cross-individual general model, which provides theoretical and technical support for the further development of general-purpose brain-computer interface applications.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：R318;TN911.7

【相似文獻】

相關(guān)期刊論文 前7條

1 高賽飛;彭建軍;王瑩;王利利;;分子標(biāo)記技術(shù)構(gòu)建DNA指紋圖譜在個體識別中的應(yīng)用[J];野生動物;2009年05期

2 蔡海強;柳海濤;史斌;李安;唐文如;羅瑛;;全基因組擴增技術(shù)及其在法醫(yī)個體識別中的應(yīng)用[J];遺傳;2010年11期

3 王會志，周韌剛;小天鵝的個體識別方法[J];上海師范大學(xué)學(xué)報(自然科學(xué)版);1995年01期

4 王劍波;;數(shù)量可變的串聯(lián)重復(fù)(VNTR):個體識別的新武器[J];生命的化學(xué)(中國生物化學(xué)會通訊);1991年06期

5 李伯齡,倪錦堂,儲小蘭,葉健;DNA探針在法醫(yī)學(xué)中的應(yīng)用研究——Ⅰ.用PYNH24探針作個體識別和家系分析[J];遺傳學(xué)報;1989年06期

6 孫國鳳;開發(fā)和牛的個體識別用基因標(biāo)記[J];生物技術(shù)通報;1995年05期

7 ;[J];;年期

相關(guān)會議論文 前8條

1 梁紅;駱振興;樓才義;;基于調(diào)頻指數(shù)特征的通信輻射源個體識別[A];浙江省信號處理學(xué)會2011學(xué)術(shù)年會論文集[C];2011年

2 劉力;趙媛霞;趙玉東;;人字點骨的觀察研究及其應(yīng)用于個體識別初探[A];中國法醫(yī)學(xué)理論與實踐創(chuàng)新成果精選——全國第九次法醫(yī)學(xué)術(shù)交流會論文集[C];2013年

3 劉力;任嘉誠;徐華;王曉;;咬痕個體識別的綜合性研究[A];新世紀(jì) 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 周盛斌;張飚;榮玉山;俞先海;;中國漢族人性別差異及年齡變化規(guī)律的研究[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責(zé)任和對策（下冊）[C];2002年

5 張立巖;趙魏;王聯(lián)忠;;法醫(yī)活體檢驗中的個體識別問題[A];全國第七次法醫(yī)學(xué)術(shù)交流會論文摘要集[C];2004年

6 孫洋;;一種應(yīng)予重視的特殊分泌型——矛盾分泌型[A];首屆中國法醫(yī)物證學(xué)術(shù)交流會論文匯編[C];1993年

7 原寶龍;王翠花;王麗紅;;陽泉地區(qū)漢族人群G1m(3)因子[A];全國第六次法醫(yī)學(xué)術(shù)交流會論文摘要集[C];2000年

8 劉健;姜成濤;趙興春;;中國人群D16S539、D75820、D13S317三個STR位點基因頻率分布的調(diào)查研究[A];第二次全國法醫(yī)物證學(xué)學(xué)術(shù)交流會論文集[C];1998年

相關(guān)重要報紙文章 前4條

1 ;韓國實施牛肉履歷追蹤制度[N];中國食品報;2010年

2 記者董映璧;個體識別系統(tǒng)讓壞人現(xiàn)形[N];科技日報;2002年

3 記者　李剛;30多億雷管配發(fā)“身份證”[N];人民公安報;2006年

4 記者 李斌;成都公安科技強警鑄精兵[N];成都日報;2005年

相關(guān)博士學(xué)位論文 前2條

1 陸滿君;通信輻射源個體識別與參數(shù)估計[D];哈爾濱工程大學(xué);2010年

2 唐智靈;通信輻射源非線性個體識別方法研究[D];西安電子科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 劉晶;基于事件相關(guān)電位的跨個體腦—機接口研究[D];天津大學(xué);2014年

2 王建明;基于參數(shù)和轉(zhuǎn)換域的輻射源個體識別[D];電子科技大學(xué);2013年

3 徐寶福;根據(jù)中國恒乳牙交替完全人群數(shù)字全頜曲面斷層片進行個體識別研究[D];山西醫(yī)科大學(xué);2009年

4 郭明;基于三維重建模型的第12胸椎性別判定方法的建立及評價[D];吉林大學(xué);2011年

5 秦王民;3D技術(shù)在人牙咬痕個體識別的法醫(yī)學(xué)研究[D];山西醫(yī)科大學(xué);2007年

6 顧佳音;東北虎雪地足跡個體識別技術(shù)研究[D];東北林業(yè)大學(xué);2013年

7 周文罕;基于ZigBee的奶牛個體識別與定位系統(tǒng)設(shè)計[D];南京農(nóng)業(yè)大學(xué);2010年

8 張輝;基于糞便分子生物學(xué)的馬鹿個體識別、親緣關(guān)系分析及家域確定[D];東北林業(yè)大學(xué);2010年

9 郝金萍;線粒體DNA編碼區(qū)單核苷酸多態(tài)性研究[D];山西醫(yī)科大學(xué);2005年

10 岳文卿;基于包絡(luò)高階特性的OFDM電臺識別技術(shù)研究[D];哈爾濱工程大學(xué);2009年

，

本文編號：1800242