發(fā)布時間：2020-06-07 22:57

【摘要】：隨著電子計算科學(xué)的迅猛發(fā)展和大腦神經(jīng)科學(xué)的延伸積累,腦機(jī)接口(brain-computer interface,BCI)作為一類創(chuàng)新有效的腦信息交互通道,構(gòu)建了人腦思維與外部設(shè)備良好的溝通環(huán)境,正聚焦越來越多的關(guān)注研究。人們通過BCI技術(shù)創(chuàng)建了以人腦思維為媒介的全新的人-機(jī)信息交互方式。BCI技術(shù)目前已在醫(yī)療復(fù)健、載具控制、戰(zhàn)爭裝備和虛擬娛樂各方面取得一定發(fā)展,相關(guān)技術(shù)研究已然展現(xiàn)出巨大的研究開發(fā)價值。本文由此展開了對BCI系統(tǒng)相關(guān)技術(shù)的研究分析,主要針對腦電信號去噪處理、腦電信號識別分析和腦控機(jī)器人避障控制策略等方面進(jìn)行了研究,具體內(nèi)容闡述如下:BCI應(yīng)用的關(guān)鍵前提是對通過相關(guān)傳感器獲取的腦電信號進(jìn)行噪聲去除。常規(guī)的噪聲去除方法主要利用了集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)算法,在EEMD去噪過程中,往往是針對主要包含噪聲成分的高頻本征分量予以直接剔除,進(jìn)而實(shí)現(xiàn)噪聲去除效果,然而,EEMD算法也由此帶來了一個問題,即當(dāng)該算法直接剔除相關(guān)成分時候,會將一些表征細(xì)節(jié)信息的有效信號混雜在噪聲信號中一起丟棄。為解決這一問題,本文提出了雙樹復(fù)小波-集合經(jīng)驗(yàn)?zāi)B(tài)分解(DTCWT-EEMD)融合算法,即對待處理腦電信號先進(jìn)行EEMD分解,然后在分解結(jié)果中篩選出那些涵蓋絕大部分噪聲成分的高頻本征分量,再采用DTCWT算法對所得分量進(jìn)行實(shí)、虛部小波分解,接著利用噪聲系數(shù)和信號系數(shù)的差別,選取軟閾值方法進(jìn)行噪聲削減清除,最后分別進(jìn)行DTCWT和EEMD算法的逆運(yùn)算,實(shí)現(xiàn)對腦電信號的重構(gòu)處理。如此一來,DTCWT-EEMD融合算法在實(shí)現(xiàn)高效除噪的同時,最大限度地保證了腦電數(shù)據(jù)的完整性和有效性。腦電數(shù)據(jù)經(jīng)過相關(guān)的噪聲、偽跡去除處理后,對其展開分析識別是本文研究工作的第二部分。目前,有關(guān)腦電數(shù)據(jù)的辨識大多分為特征提取和分類辨識兩部分獨(dú)立進(jìn)行,雖然取得了一定的分類效果,但在面對一些復(fù)雜腦電信號時,仍存在一些諸如處理步驟繁瑣、不能提供多維度支持、識別精度不能滿足應(yīng)用需求等問題。為了解決上述問題,本文在深度網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上,結(jié)合生物免疫機(jī)制和多重決策機(jī)制進(jìn)行相關(guān)優(yōu)化,最終構(gòu)建了更為高效的腦電信號識別處理模型。該網(wǎng)絡(luò)模型主要是利用降噪自編碼機(jī)作為深度結(jié)構(gòu)的基礎(chǔ)單元層,再將多個基礎(chǔ)層逐層全連接排列形成堆疊,進(jìn)而得到擁有良好辨識表現(xiàn)的深度網(wǎng)絡(luò)結(jié)構(gòu);另一方面,為了進(jìn)一步提升分類表現(xiàn),模型中又融入了免疫優(yōu)化算法,對網(wǎng)絡(luò)結(jié)構(gòu)中一些關(guān)鍵參數(shù)進(jìn)行了尋優(yōu),同時,還加入了多專家決策機(jī)制,增加了模型對于不同受試者的普適性和魯棒性。本文最終構(gòu)建出經(jīng)過多重優(yōu)化的腦電識別模型,同時,設(shè)計實(shí)現(xiàn)了一系列對比實(shí)驗(yàn),證明了本文提出的結(jié)合免疫優(yōu)化算法和決策機(jī)制進(jìn)行改進(jìn)的堆疊降噪自編碼機(jī)網(wǎng)絡(luò)具有明顯的性能優(yōu)勢,在準(zhǔn)確率和魯棒性方面均優(yōu)于當(dāng)前常用方法,為后續(xù)的腦電命令精細(xì)化處理奠定了良好的基礎(chǔ)。本文研究的第三部分旨在針對腦控機(jī)器人運(yùn)動控制部分,結(jié)合視覺神經(jīng)系統(tǒng)檢測逼近物體的腦功能機(jī)制,構(gòu)建類腦智能碰撞檢測模型。該模型主要模擬人腦視覺碰撞檢測過程,采用脈沖神經(jīng)網(wǎng)絡(luò)檢測提取逼近物體,采用反向傳播神經(jīng)網(wǎng)絡(luò)計算碰撞時間,同時構(gòu)建MAP數(shù)據(jù)結(jié)構(gòu)模擬大腦記憶調(diào)控,最終得到可以根據(jù)逼近物體影像輸入預(yù)測碰撞時間的智能模型,為機(jī)器人避障逃逸動作的產(chǎn)生提供依據(jù)。本文利用該模型進(jìn)一步制定了運(yùn)動控制策略,實(shí)現(xiàn)了良好的動態(tài)避障效果,進(jìn)一步增強(qiáng)了腦控機(jī)器人的環(huán)境適應(yīng)性和安全性。最后,本文總結(jié)了相關(guān)研究內(nèi)容,歸納了課題創(chuàng)新點(diǎn),并就仍需改進(jìn)之處提出了新的方向構(gòu)想。
【圖文】：

想就是將信噪混合體進(jìn)行小波變換，使之分解為眾多頻率域上鑒于噪聲和有效數(shù)據(jù)在各頻段的小波系數(shù)上有十分顯著的大小適的閾值界定二者屬性，將各頻段上噪聲屬性的小波系數(shù)進(jìn)行下的分量執(zhí)行重構(gòu)，即可得到噪聲去除的干凈信號。，，研究表明，在面對樣本信號的實(shí)際解析過程中，小波變換在頻率混疊問題，也就是說在對樣本信號進(jìn)行頻率分解時，會在量中混雜了其他頻段的分量，這無疑會給后續(xù)的分析處理帶來樹復(fù)小波算法正是針對該問題提出的解決方案，雙樹復(fù)小波對原始的小波變換要強(qiáng)很多，可以將混雜在一起的頻段信號完全了頻率混疊問題的規(guī)避，也更好地表現(xiàn)了細(xì)節(jié)部分的頻率信息復(fù)小波進(jìn)行去噪處理是更好的選擇[61,62]。復(fù)小波變換算法的基本思想是對原始數(shù)據(jù)的是實(shí)數(shù)部分和虛 CWT 變換，其分解示意圖如圖 3.2 所示。

第三章 腦電信號噪聲與偽跡去除3.4 實(shí)驗(yàn)分析驗(yàn)證為了驗(yàn)證上文所提方案對應(yīng)效果，本文設(shè)計了相關(guān)實(shí)驗(yàn)進(jìn)行驗(yàn)證。本文中實(shí)驗(yàn)數(shù)據(jù)均采用國際認(rèn)可的 BCI 大賽數(shù)據(jù)[68]。首先，為了使得去噪效果更明顯，本文采用模擬腦電數(shù)據(jù)來驗(yàn)證DTCWT-EEMD 融合去噪算法，設(shè)定原始信號為式(3-14)所示，波形圖如圖 3.5所示： 13 30-rand 12 14(1)s= 2 sin 2 2 (1) cos 2 2 (1)5m nrand mt rand nt rand (3-14)
【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R318;TN911.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王薇蓉;張雪英;孫穎;暢江;;關(guān)于腦電信號的情感優(yōu)化識別仿真[J];計算機(jī)仿真;2018年06期

2 郭婷儀;李素芳;鐘桂仙;曾佳璇;周酥;;基于腦電信號的耳鳴識別算法研究[J];科技傳播;2018年13期

3 左晶;萬小勤;羅楊;鄭斌;陳斌林;任祥花;;癲癇腦電信號的相關(guān)性分析[J];電子世界;2017年05期

4 張娜;唐賢倫;劉慶;;基于半監(jiān)督學(xué)習(xí)的腦電信號特征提取及識別[J];工程科學(xué)與技術(shù);2017年S2期

5 石喬莉;王延輝;李信政;;基于腦電信號的駕駛疲勞的研究[J];世界最新醫(yī)學(xué)信息文摘;2017年55期

6 王恒;李念強(qiáng);齊鵬沖;;運(yùn)動想象腦電信號特征的提取與分類[J];工業(yè)控制計算機(jī);2015年02期

7 李亞杰;宋明星;張玉棟;;腦電信號采集系統(tǒng)的設(shè)計[J];河北建筑工程學(xué)院學(xué)報;2014年01期

8 蔡超峰;張勇;郭舒婷;姜利英;;思維腦電信號的關(guān)聯(lián)維數(shù)分析[J];河南科技大學(xué)學(xué)報(自然科學(xué)版);2012年01期

9 魯強(qiáng);劉玉軍;徐建蘭;張進(jìn)祿;;一種適用于清醒動物腦電信號采集的固定裝置[J];首都醫(yī)科大學(xué)學(xué)報;2011年06期

10 肖丹;胡劍鋒;;運(yùn)動想象腦電信號識別研究[J];計算機(jī)工程與應(yīng)用;2010年33期

相關(guān)會議論文 前10條

1 薛蘊(yùn)全;王秋英;王宏;;腦電信號的動態(tài)時空響應(yīng)拓?fù)鋱D[A];中國儀器儀表學(xué)會第三屆青年學(xué)術(shù)會議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號診斷專家系統(tǒng)的研究[A];中國生理學(xué)會第21屆全國代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2002年

3 李凌;曾慶寧;堯德中;;利用兩級抗交叉串?dāng)_自適應(yīng)濾波器提取誘發(fā)腦電信號[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

4 朱林劍;包海濤;孫守林;梁豐;;新型腦電信號采集方法與應(yīng)用研究[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

5 張丹丹;丁海艷;侯新琳;葉大田;;新生豬缺氧缺血實(shí)驗(yàn)中腦電信號的偽差分析[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（上冊）[C];2007年

6 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

7 胡楠;徐進(jìn);鄭崇勛;;不同麻醉深度下腦電信號的復(fù)雜度研究[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

8 歐陽軼;鄭崇勛;張崇;;基于腦電小波熵的生理性精神疲勞分析[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

9 許濤;朱林劍;包海濤;;基于思維腦電信號的假手的研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

10 童珊;黃華;陳槐卿;;混沌理論在腦電信號分析中的應(yīng)用[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

相關(guān)重要報紙文章 前4條

1 科學(xué)作者 譯者 猛瑪;如何做到真正的因材施教[N];電腦報;2016年

2 本報記者 張曉鳴;用腦電波開車，這不是開玩笑[N];文匯報;2015年

3 本報特約撰稿人 陸志城;我思，故我動[N];醫(yī)藥經(jīng)濟(jì)報;2003年

4 本報記者 馮海波 通訊員 劉慧嬋 祝和平;大學(xué)生創(chuàng)意閃耀的舞臺[N];廣東科技報;2011年

相關(guān)博士學(xué)位論文 前10條

1 韓凌;腦電信號同步分析及癲癇發(fā)作預(yù)測方法研究[D];東北大學(xué);2016年

2 趙麗;基于腦電信號的腦-機(jī)接口技術(shù)研究[D];天津大學(xué);2004年

3 繆曉波;基于腦電信號的認(rèn)知動力學(xué)系統(tǒng)研究——線性/非線性方法及動態(tài)時—頻—空分析[D];重慶大學(xué);2004年

4 徐鵬;信號的稀疏分解及其在腦電信號處理中的應(yīng)用研究[D];電子科技大學(xué);2006年

5 伍亞舟;基于想象左右手運(yùn)動思維腦電BCI實(shí)驗(yàn)及識別分類研究[D];第三軍醫(yī)大學(xué);2007年

6 唐艷;基于時間、頻率和空間域的自發(fā)腦電信號提取[D];中南大學(xué);2008年

7 陳東偉;非線性動力學(xué)、因果腦網(wǎng)絡(luò)與聚類穩(wěn)定性在腦電信號分析中的應(yīng)用研究[D];太原理工大學(xué);2015年

8 馬小飛;認(rèn)知任務(wù)下的腦電動力學(xué)分析[D];南京大學(xué);2017年

9 張美云;阿爾茨海默病腦電信號多尺度時空定量特征研究[D];天津醫(yī)科大學(xué);2012年

10 周群;腦電信號同步：方法及應(yīng)用研究[D];電子科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 佟歌;基于深度學(xué)習(xí)的運(yùn)動想象腦電信號分類算法研究[D];哈爾濱工程大學(xué);2018年

2 張付浩;基于腦電信號的癲癇疾病智能診斷與研究[D];哈爾濱理工大學(xué);2018年

3 景永豪;EEG信號采集與無線傳輸系統(tǒng)[D];哈爾濱理工大學(xué);2018年

4 金子敦;基于腦電信號的情緒特征提取與分類研究[D];哈爾濱理工大學(xué);2018年

5 解騰;腦電控制的電動車系統(tǒng)設(shè)計[D];哈爾濱理工大學(xué);2018年

6 劉曉菲;基于仿生神經(jīng)系統(tǒng)的癲癇腦電識別研究[D];湖南師范大學(xué);2018年

7 原博煒;BCI系統(tǒng)的腦電信號分析和類腦避障策略[D];東華大學(xué);2018年

8 許麗;基于腦電的情緒識別研究[D];昆明理工大學(xué);2018年

9 楊贊杰;基于度量學(xué)習(xí)的腦電信號情緒識別方法研究[D];哈爾濱工業(yè)大學(xué);2018年

10 李陽丹;基于生物電控制的人機(jī)交互技術(shù)研究[D];杭州電子科技大學(xué);2018年

本文編號：2702116