【摘要】：腦電信號(Electroencephalogram, EEG)是中顱內(nèi)神經(jīng)突觸和樹突傳遞神經(jīng)電位信號而衍射到大腦頭皮的募集信號，人在主動思維或受到不同的感覺刺激時，EEG會出現(xiàn)差異性變化�；贓EG的腦-機接口(Brain Computer Interface, BCI)系統(tǒng)通常就是使用這類差異性的腦電信號來控制外部設(shè)備或?qū)崿F(xiàn)大腦與外界的直接通信。目前，基于多類運動想象的腦電信號的識別研究主要集中在離線分析，可識別維度已達到4類。但在線BCI研究方面，主要還只集中在兩個維度的控制(左、右轉(zhuǎn)；或動作、停止等)，多維度的控制還存在著：實時性差、識別正確率低以及采集到的EEG信號受噪聲干擾大等難點。 本文根據(jù)現(xiàn)階段BCI技術(shù)中存在的問題并結(jié)合課題的要求，設(shè)計并構(gòu)建了一個在線的基于多類運動想象腦電信號控制的腦-機接口_虛擬現(xiàn)實漫游系統(tǒng)，系統(tǒng)包括EEG信號采集、消噪預(yù)處理、特征提取以及基于三導(dǎo)EEG的想象腳、左手、右手運動的三類運動想象的模式識別和基于一導(dǎo)EEG的閉眼動作檢測，并且使用運動想象腦電波實現(xiàn)了在虛擬現(xiàn)實系統(tǒng)中的漫游。在論文寫作階段做的具體工作及主要創(chuàng)新點包括： （1）為剔除混疊在腦電信號中的干擾噪聲，提出了一種基于雙密度小波鄰域相關(guān)閾值處理的EEG消噪方法。利用雙密度小波對EEG進行分解，得到多層的信號高頻系數(shù)；根據(jù)小波系數(shù)的局部統(tǒng)計依賴性，運用鄰域相關(guān)閾值處理算法進行收縮，將收縮后的小波系數(shù)進行重構(gòu)得到消噪后的信號。對加噪聲標(biāo)準(zhǔn)信號消噪實驗的結(jié)果表明，具有近似平移不變性的雙密度小波變換方法的消噪效果要明顯優(yōu)于一代離散小波變換，在強噪聲環(huán)境下效果更為明顯；此外，由于鄰域相關(guān)閾值處理算法利用了小波系數(shù)的局部依賴性，對突變大的系數(shù)進行了平滑處理，消噪后的信號的毛刺明顯減小。實測EEG消噪實驗的結(jié)果圖表明，該算法可以將EEG中的突變干擾信號平滑掉；頻譜分析結(jié)果也表明，本文算法有效地抑制了高頻噪聲，而在主要頻率范圍內(nèi)對應(yīng)的功率譜與原始EEG的功率譜基本一致，保留了EEG中的大部分有用的細節(jié)信息，為后續(xù)EEG的特征提取和模式識別奠定了良好的基礎(chǔ)。 （2）提出了一種基于歸一化AR模型功率譜估計的運動想象腦電信號特征提取方法。對C3、Cz、C4通道的腦電信號進行AR模型功率譜估計，將肢體運動相關(guān)的Mu節(jié)律(8~12Hz)和Beta節(jié)律(20~24Hz)的AR模型功率譜估計值歸一化作為特征值。仿真結(jié)果表明，歸一化后的AR模型譜估計的一致性明顯改善，增強了特征值的泛化能力。此外，根據(jù)Mu節(jié)律波與肢體運動有著密切關(guān)系以及其具有非線性特性，提出了一種基于Mu節(jié)律波能量熵的運動想象腦電信號特征提取算法。為了選取兼具實時性和識別正確率高的算法，對實測運動想象腦電數(shù)據(jù)進行了分析，并使用Mahalanobis距離分類器和支持向量機對兩種特征提取方法進行了對比分析。其中，采用基于歸一化AR模型功率譜估計方法對腦電進行特征提取，然后采用支持向量進行分類，三類運動想象最高平均識別正確率為80.83%。 （3）構(gòu)建了一個在線的基于運動想象腦電信號控制的腦-機接口_虛擬現(xiàn)實漫游系統(tǒng)，并根據(jù)在線控制的要求，，詳細說明了本文設(shè)計的算法的集成方式、在線數(shù)據(jù)處理策略(采用滑動時間窗進行分析)、在線控制策略(加權(quán)投票得出最后控制結(jié)果)、虛擬場景的改造及其與BCI Client之間的通信方式和協(xié)議的構(gòu)建。進行了在線控制實驗，成功地識別了想象左手、右手、腳運動以及閉眼動作，三名參與在線控制的受試者的識別正確率分別為80%、80.625%、75.625%，并且使用運動想象腦電波實現(xiàn)了在虛擬現(xiàn)實系統(tǒng)中的漫游。
[Abstract]:......
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN911.7

【參考文獻】

相關(guān)期刊論文 前10條

1 劉清君;葉偉偉;杜立萍;余輝;胡寧;王平;;小波變換在神經(jīng)細胞傳感器信號去噪中的應(yīng)用[J];傳感技術(shù)學(xué)報;2009年11期

2 羅志增;曹銘;;基于多尺度Lempel-Ziv復(fù)雜度的運動想象腦電信號特征分析[J];傳感技術(shù)學(xué)報;2011年07期

3 曲天書,戴逸松,王樹勛;基于SURE無偏估計的自適應(yīng)小波閾值去噪[J];電子學(xué)報;2002年02期

4 吳邊;蘇煜;張劍慧;李昕;張吉財;陳衛(wèi)東;鄭筱祥;;基于P300電位的新型BCI中文輸入虛擬鍵盤系統(tǒng)[J];電子學(xué)報;2009年08期

5 蔡志杰;孫潔;;改進的C_0復(fù)雜度及其應(yīng)用[J];復(fù)旦學(xué)報(自然科學(xué)版);2008年06期

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

7 陳艷江;劉艷艷;趙國忠;王衛(wèi)寧;李福利;;基于支持向量機的中藥太赫茲光譜鑒別[J];光譜學(xué)與光譜分析;2009年09期

8 席旭剛;朱海港;羅志增;;基于EEMD和二代小波變換的表面肌電信號消噪方法[J];傳感技術(shù)學(xué)報;2012年11期

9 張崇;鄭崇勛;于曉琳;李小平;沈開泉;;基于腦電近似熵的腦機能疲勞狀態(tài)分析[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2006年06期

10 何清華,黃素平,黃志雄;智能輪椅的研究現(xiàn)狀和發(fā)展趨勢[J];機器人技術(shù)與應(yīng)用;2003年02期

本文編號：2307011