本文選題：腦機接口 + P300��； 參考：《華南理工大學(xué)》2015年碩士論文

【摘要】：腦機接口(Brain-computer interface,BCI)是指在不依賴于組織肌肉的情況下,直接將采集的腦信號轉(zhuǎn)化為相應(yīng)的機器命令去控制外部設(shè)備,從而完成人機交互的過程。隨著信息時代的快速發(fā)展,BCI技術(shù)也日益成為備受關(guān)注的課題。它在大腦與外部環(huán)境之間建立了一個獨立的交流通道,為運動障礙的殘疾人提供了一種與外界交流的方式。此外,BCI的研究也應(yīng)用于多個領(lǐng)域,如醫(yī)學(xué)、控制、人工智能和腦科學(xué)等,而本文研究的基于P300的BCI系統(tǒng)也是腦機接口最為常見的一個應(yīng)用。然而,目前基于P300的BCI系統(tǒng)雖然有不少的研究成果,但在實際應(yīng)用中仍然存在系統(tǒng)的信息傳輸速率較低和如何檢測異步系統(tǒng)的空閑狀態(tài)等問題。針對上述問題,本文主要做了以下兩個方面的研究工作:首先,本文提出了一種縮短刺激序列的動態(tài)停止準則(dynamic stopping criterion,DSC)P300檢測方法,該算法在基于Bayesian框架下計算每個字符成為目標(biāo)字符的后驗概率,并將此概率值與設(shè)定的閾值相比。若大于閾值則閃爍序列停止,直接輸出該目標(biāo)字符;否則將當(dāng)前刺激序列中所有字符的后驗概率值進行遞減排序,在刺激序列中刪除概率值較小的字符,從而縮短了閃爍字符序列,減弱非目標(biāo)字符閃爍對受試者的干擾。由實驗結(jié)果表明,該方法在保證較高準確率的前提下,明顯提高了字符的輸入速度。其次,本文初步探討了基于異步P300的字符輸入BCI系統(tǒng),該系統(tǒng)根據(jù)是否能檢測到P300信號判斷用戶是否正在有輸入,與傳統(tǒng)的同步P300 BCI系統(tǒng)相比,增加了空閑狀態(tài)。而對于控制狀態(tài)和空閑狀態(tài)的檢測,本文介紹了兩種方法,一種是基于統(tǒng)計學(xué)分析的異步模式檢測方法,該方法是基于Bayesian框架下計算閃爍序列在當(dāng)前狀態(tài)下的后驗概率。若此概率值大于設(shè)定的閾值,則判斷為控制狀態(tài)并根據(jù)DSC算法輸出目標(biāo)字符;另一種方法是基于組合分類器的異步模式檢測,該方法是采用兩級分類器建立分類器模型,再根據(jù)第二級分類器預(yù)測的label值來判斷。若label值為1則判斷為控制狀態(tài),然后同樣根據(jù)DSC算法輸出目標(biāo)字符。通過實驗數(shù)據(jù)分析,結(jié)果表明異步模式的兩種狀態(tài)在系統(tǒng)中能90%被準確的檢測出來。
[Abstract]:Brain-Computer Interface (BCI) refers to the process of human-computer interaction by converting the collected brain signals directly into corresponding machine commands to control the external equipment without relying on the tissues and muscles. With the rapid development of information age, BCI technology has become a subject of great concern. It establishes an independent communication channel between the brain and the external environment, and provides a way to communicate with the outside world for the disabled with dyskinesia. In addition, the research of BCI is also applied in many fields, such as medicine, control, artificial intelligence and brain science. The BCI system based on P300 is also the most common application of BCI. However, although there are many research achievements in P300-based BCI system, there are still some problems in practical application, such as low information transmission rate and how to detect the idle state of asynchronous system. In order to solve the above problems, this paper mainly studies the following two aspects: firstly, this paper presents a dynamic stop criterion (dynamic stopping criteria P300 detection method for shortening stimulus sequences. The algorithm calculates the posteriori probability that each character becomes the target character based on Bayesian framework, and compares the probability value with the set threshold. If the threshold value is greater than the threshold value, the flicker sequence stops, and the target character is output directly. Otherwise, the posteriori probability of all characters in the current stimulus sequence is decremented and the characters with lower probability are deleted in the stimulus sequence. Thus, the flicker character sequence is shortened and the interference of non-target character flicker is reduced. The experimental results show that the proposed method can improve the input speed of characters on the premise of high accuracy. Secondly, this paper preliminarily discusses the character input BCI system based on asynchronous P300, which can detect P300 signal to determine whether the user is having input or not. Compared with the traditional synchronous P300 BCI system, the system increases the idle state. For the detection of control state and idle state, this paper introduces two methods, one is asynchronous pattern detection method based on statistical analysis, and the other is based on Bayesian framework to calculate the posteriori probability of flicker sequence in the current state. If the probability value is greater than the set threshold, the control state is judged and the target character is outputted according to DSC algorithm. Another method is asynchronous pattern detection based on combinatorial classifier, which uses two-level classifier to build classifier model. Then according to the label predicted by the second level classifier to judge. If the label value is 1, the control state is determined, and the target character is also output according to the label algorithm. Through the analysis of experimental data, the results show that the two states of asynchronous mode can be accurately detected by 90% in the system.
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R319;TN911.7

【相似文獻】

相關(guān)期刊論文 前1條

1 宋合義，荊其誠;英文手寫體字符、字詞識別研究的現(xiàn)狀[J];心理學(xué)動態(tài);1996年02期

相關(guān)會議論文 前10條

1 湯茂斌;謝渝平;李就好;;基于神經(jīng)網(wǎng)絡(luò)算法的字符識別方法研究[A];2009年全國開放式分布與并行計算機學(xué)術(shù)會議論文集(上冊)[C];2009年

2 洪漢玉;郭強;章秀華;張艷;林志敏;;復(fù)雜背景條件下字符識別新方法研究[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

3 車揚;鄭智捷;;速記字符識別的預(yù)處理模式和方法探討[A];2010通信理論與技術(shù)新發(fā)展——第十五屆全國青年通信學(xué)術(shù)會議論文集（下冊）[C];2010年

4 李玉良;王良松;李晶;;圖像中數(shù)字字符識別技術(shù)概覽[A];節(jié)能環(huán)保 和諧發(fā)展——2007中國科協(xié)年會論文集（一）[C];2007年

5 劉云曼;王磊;;盲人閱讀機中圖像字符識別方法的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會第三十三屆學(xué)術(shù)年會論文集[C];2013年

6 余曉華;陳曉春;劉好炯;;手持式儀表字符識別技術(shù)研究[A];《IT時代周刊》論文專版（第300期）[C];2014年

7 陸璐;張旭東;趙瑩;高雋;;基于卷積神經(jīng)網(wǎng)絡(luò)的車牌照字符識別研究[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

8 朱小燕;史一凡;馬少平;;脫機手寫體字符識別研究[A];面向21世紀的科技進步與社會經(jīng)濟發(fā)展（上冊）[C];1999年

9 歐梅芳;宋瑞霞;;V-系統(tǒng)在信息重構(gòu)與字符識別中的應(yīng)用探索[A];中國圖學(xué)新進展2007——第一屆中國圖學(xué)大會暨第十屆華東六省一市工程圖學(xué)學(xué)術(shù)年會論文集[C];2007年

10 張雪山;田慧;;字符識別系統(tǒng)的一種定位算法[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會議論文集[C];2002年

相關(guān)重要報紙文章 前3條

1 尼克;計算歷史學(xué)：大數(shù)據(jù)時代的讀書[N];東方早報;2014年

2 王慶國;票據(jù)印刷視覺字符檢測系統(tǒng)中硬件的選擇[N];中國包裝報;2008年

3 方忠誠;OCR技術(shù)及其應(yīng)用[N];北京電子報;2000年

相關(guān)博士學(xué)位論文 前3條

1 羅特飛（Mohammed Lutf）;基于HMM與決策樹的多字體阿拉伯文的字符識別[D];華中科技大學(xué);2015年

2 文穎;數(shù)字、字符識別及其應(yīng)用研究[D];上海交通大學(xué);2009年

3 彭健;多類小字符集自適應(yīng)字符識別技術(shù)及系統(tǒng)的研究[D];重慶大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 張佳偉;基因組自動化進化儀的研制[D];浙江大學(xué);2015年

2 邱立松;國際音標(biāo)字符識別算法的研究[D];上海師范大學(xué);2015年

3 張靖婭;鋼板點陣噴印字符識別方法研究[D];沈陽理工大學(xué);2015年

4 武威;基于模板匹配與結(jié)構(gòu)特征的字符識別算法研究[D];鄭州大學(xué);2015年

5 王勁松;基于神經(jīng)網(wǎng)絡(luò)的字符識別系統(tǒng)的設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

6 周炳昱;基于手機攝像取詞的電子詞典的設(shè)計與實現(xiàn)[D];大連理工大學(xué);2015年

7 戴威;聯(lián)機手寫智能計算系統(tǒng)的研究[D];華北電力大學(xué);2015年

8 尹少東;基于嵌入式Linux的字符識別[D];河北科技大學(xué);2015年

9 周軍;圖像中自然場景字符區(qū)域定位[D];東北大學(xué);2014年

10 周品;車牌分割和字符識別的算法研究[D];南京郵電大學(xué);2015年

，

本文編號：2114694