發(fā)布時(shí)間：2020-04-08 06:00

【摘要】：腦機(jī)接口(Brain Computer Interface,BCI)實(shí)現(xiàn)了人腦與外部設(shè)備之間的直接信息交流,它將用戶(hù)的意圖解碼為控制命令來(lái)操縱設(shè)備,是一種新型數(shù)據(jù)交互方式。隨著腦科學(xué)的快速發(fā)展,該技術(shù)已成為輔助醫(yī)療領(lǐng)域的研究熱點(diǎn)。如何高效準(zhǔn)確地提取出大腦思維活動(dòng)信號(hào)的特征并轉(zhuǎn)化為可以控制外部設(shè)備的輸出指令,是BCI系統(tǒng)研究的關(guān)鍵。對(duì)此,本文針對(duì)腦電信號(hào)特征提取難和識(shí)別率的提高問(wèn)題進(jìn)行了深入研究,具有重要的科學(xué)理論意義和實(shí)際應(yīng)用價(jià)值。首先,在腦電信號(hào)的特征提取環(huán)節(jié),針對(duì)深度置信網(wǎng)絡(luò)(Deep Belief Network,DBN)處理小樣本腦電信號(hào)訓(xùn)練時(shí)間長(zhǎng)且存在過(guò)擬合的問(wèn)題,本文提出了基于隨機(jī)隱退DBN的腦電信號(hào)特征提取方法,對(duì)左右手運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行分析處理。通過(guò)對(duì)原始腦電數(shù)據(jù)進(jìn)行降維預(yù)處理,然后輸入到隨機(jī)隱退DBN模型中進(jìn)行訓(xùn)練,得到最優(yōu)參數(shù)值后進(jìn)行分類(lèi)識(shí)別。實(shí)驗(yàn)結(jié)果表明,與共空間模式(Common Spatial Pattern,CSP)、主成分分析法(Principal Component Analysis,PCA)、單一DBN網(wǎng)絡(luò)等方法相比,基于隨機(jī)隱退的DBN算法在保持較高識(shí)別率的同時(shí),降低了對(duì)數(shù)據(jù)集的訓(xùn)練處理時(shí)間,證明了該算法在腦電信號(hào)特征提取中的高效性。其次,針對(duì)腦電信號(hào)識(shí)別率的提高問(wèn)題,受啟發(fā)于遷移學(xué)習(xí)中的個(gè)體差異性思想,本文在DBN及其相關(guān)改進(jìn)算法的基礎(chǔ)上,提出了多頻帶頻域深度置信網(wǎng)絡(luò)Multi-bands FDBN識(shí)別算法。由于不同的頻帶對(duì)于個(gè)體的貢獻(xiàn)并不一致,各個(gè)體之間的關(guān)鍵頻帶也不盡相同,本文利用帶通濾波器將原始的腦電信號(hào)分成多個(gè)頻段,再采用FFT將時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)并作歸一化處理,最后將每個(gè)頻段的頻域數(shù)據(jù)輸入DBN進(jìn)行訓(xùn)練識(shí)別。線(xiàn)下實(shí)驗(yàn)證明,相比頻域深度置信網(wǎng)絡(luò)(Frequential Deep Belief Network,FDBN)算法,Multi-bands FDBN的平均準(zhǔn)確識(shí)別率提高了3.25%,且標(biāo)準(zhǔn)差更小,魯棒性更好。最后,為了驗(yàn)證本文提出算法的有效性,設(shè)計(jì)并實(shí)現(xiàn)了基于運(yùn)動(dòng)想象腦機(jī)接口(Motor Imagery Brain Computer Interface,MI-BCI)的智能輪椅人機(jī)交互系統(tǒng)。實(shí)驗(yàn)結(jié)果表明,使用基于隨機(jī)隱退的DBN算法和多頻帶頻域深度置信網(wǎng)絡(luò)算法,分別對(duì)運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行特征提取和分類(lèi),可以順暢地完成腦電控制輪椅運(yùn)動(dòng)的實(shí)驗(yàn)任務(wù),通過(guò)走“8”字形固定軌跡實(shí)驗(yàn)比較改進(jìn)算法的差異,進(jìn)一步驗(yàn)證了它們的有效性。
【圖文】：

第 2 章 系統(tǒng)總體框架在前一章節(jié)中已經(jīng)明確了本文的重點(diǎn)是了 BCI 系統(tǒng)的總體框架，然后對(duì)本文所使用集方式進(jìn)行了詳細(xì)介紹，同時(shí)描述了受試者號(hào)的采集過(guò)程。最后對(duì)腦電信號(hào)的處理分析BCI 智能輪椅人機(jī)交互系統(tǒng)中的特征提取和2.1 系統(tǒng)總體框架設(shè)計(jì)本文設(shè)計(jì)的基于運(yùn)動(dòng)想象腦機(jī)接口的智信號(hào)處理、控制接口和智能輪椅等 4 個(gè)部分信號(hào)采集咬牙單擊肌電

ZEmotlv傳威器
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TH77;TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 李明愛(ài);田曉霞;孫炎s，

本文編號(hào)：2618990