【摘要】：探索大腦的工作機制一直以來都是神經(jīng)科學(xué)領(lǐng)域?qū)W者的重要挑戰(zhàn),人腦經(jīng)由外圍的神經(jīng)和肌肉通道,完成與外部環(huán)境的通信與信息交換。現(xiàn)實生活中,有很多患有運動障礙疾病的人們,失去了最基本的與外界交流的能力。腦機接口(Brain Computer Interface,BCI)不依托于腦的正常輸出通路,在大腦與外部世界之間,構(gòu)建了可以直接進行信息傳送的通道。BCI系統(tǒng)經(jīng)過對采集到的腦電信號進行處理,進而將各異的思維狀態(tài)轉(zhuǎn)化成不同的控制命令,完成對外部設(shè)備的控制。BCI作為一種新興的人機交互模式,為那些有嚴重運動障礙的患者提供了一個新的交流與控制的通道。當(dāng)前,腦機接口的研究在神經(jīng)科學(xué)、計算機通信與控制、生物醫(yī)學(xué)工程等多個范疇已成為前沿?zé)狳c。經(jīng)由運動想象任務(wù),激發(fā)大腦運動皮層腦電節(jié)律變動獲取的腦電信號,作為基于運動想象的BCI系統(tǒng)研究的理論依據(jù)。其中,信號處理部分包含的預(yù)處理、特征提取和分類識別等作為關(guān)鍵環(huán)節(jié),對BCI系統(tǒng)的分類性能有很大影響。本文立足于基于運動想象的BCI系統(tǒng)的研究,圍繞腦電信號的特征提取和分類識別方法等內(nèi)容開展了研究,并提出了一種運用S變換(S-transform,ST)和基于概率協(xié)作表示的分類算法相結(jié)合的腦電識別方法,并利用國際標(biāo)準(zhǔn)BCI競賽數(shù)據(jù)庫以及自采集的腦電數(shù)據(jù)來驗證本文所提出算法的可行性。本論文的主要研究內(nèi)容和創(chuàng)新點如下:第一,本論文扼要介紹了BCI系統(tǒng)的研究背景和意義,概述了BCI系統(tǒng)的定義和組成,并詳細論述了BCI技術(shù)國內(nèi)外的研究近況,總結(jié)了BCI技術(shù)所面對的問題與挑戰(zhàn)。本文還簡要介紹了腦電信號以及侵入式系統(tǒng)和非侵入式系統(tǒng),并主要闡述了基于運動想象的理論基礎(chǔ)。第二,本論文圍繞特征提取的算法開展了研究,特征提取的優(yōu)劣將會直接關(guān)系到分類的效果。S變換作為短時傅里葉變換以及小波變換的延伸,具有窗口函數(shù)隨頻率變化的多分辨率分析的能力,適用于對非平穩(wěn)的腦電信號的分析。本文采用S變換對信號進行特征提取,并選取S變換之后的功率譜密度作為特征,能夠準(zhǔn)確定位感覺運動節(jié)律的頻譜變化。第三,本論文研究了分類識別算法,給出了基于概率協(xié)作表示的分類器(Probabilistic Collaborative Representation based Classifier,ProCRC)以及魯棒性的ProCRC(robustProCRC,R-ProCRC),用于完成兩類想象運動信號的識別。該算法的主要思想是共同最大化測試樣本屬于每個類別的可能性,最后通過檢查哪個類具有最大可能性來進行分類,具有明確的概率解釋。第四,本論文詳細介紹了運動想象的實驗設(shè)計過程,并將采集的大腦頭皮表面腦電圖(Electroencephalogram,EEG)信號和數(shù)據(jù)庫的皮層腦電圖(Electrocorticography,ECoG)信號作為實驗數(shù)據(jù)。實驗結(jié)果表明,相較于傳統(tǒng)貝葉斯線性判別分析和梯度Boosting分類算法而言,將S變換提取的特征與基于概率協(xié)作表示的分類算法相結(jié)合,能夠得到更好的分類結(jié)果和較好的時效性,為今后腦電信號識別的相關(guān)應(yīng)用研究提供了較好的參考價值。本論文首次將基于概率協(xié)作表示的分類算法,應(yīng)用于腦電信號的分類識別,并取得了較好的實驗結(jié)果。
【圖文】：

山東師范大學(xué)碩士學(xué)位論文口系統(tǒng)概述和構(gòu)成，第一屆國際 BCI 大會召開并且明確解讀了腦機接口的含義正常的由外圍神經(jīng)和肌肉組成輸出通路的通訊系統(tǒng)[7]。換言設(shè)備之間構(gòu)建了一個直接進行信息傳輸?shù)耐ǖ�，視為一種新術(shù)的特質(zhì)體現(xiàn)在，能夠提取腦電活動特征，并翻譯為指令，的，譬如計算機、電話以及其他輔助設(shè)備。

1-2 清華大學(xué)輸入電話號碼 BCI 系統(tǒng)（摘自文獻[18高上凱教授所在的實驗課題組，研發(fā)出了一個統(tǒng)，該 BCI 系統(tǒng)的設(shè)計是采用 SSVEP 完成的按鈕，這些按鈕依據(jù)不同的頻率進行閃爍，這注視按鈕，，引發(fā)相應(yīng)的由頻率編碼的 SSVEP，果表明，全部的被試者其平均信息傳送速度到達在基于 SSVEP 的 BCI 領(lǐng)域進行著長期且深入現(xiàn)了較高的突破[20]，如圖 1-3 所示是基于 SS
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R318;TN911.7

【參考文獻】

相關(guān)期刊論文 前1條

1 潘泉;孟晉麗;張磊;程詠梅;張洪才;;小波濾波方法及應(yīng)用[J];電子與信息學(xué)報;2007年01期

相關(guān)博士學(xué)位論文 前7條

1 袁琦;癲癇腦電的分類識別及自動檢測方法研究[D];山東大學(xué);2014年

2 施錦河;運動想象腦電信號處理與P300刺激范式研究[D];浙江大學(xué);2012年

3 李潔;多模態(tài)腦電信號分析及腦機接口應(yīng)用[D];上海交通大學(xué);2009年

4 王磊;基于運動想象的腦電信號分類與腦機接口技術(shù)研究[D];河北工業(yè)大學(xué);2009年

5 吳婷;自發(fā)腦電腦機接口模式識別關(guān)鍵技術(shù)與實驗研究[D];上海交通大學(xué);2008年

6 周鵬;基于運動想象的腦機接口的研究[D];天津大學(xué);2007年

7 程明;基于腦電信號的腦—計算機接口的研究[D];清華大學(xué);2004年

本文編號：2670163