發(fā)布時(shí)間：2020-08-05 10:49

【摘要】：腦機(jī)接口(Brain Computer Interface,BCI)利用現(xiàn)代信息處理技術(shù),在人腦和外部設(shè)備之間建立了不依賴(lài)于常規(guī)大腦信息輸出通路的全新對(duì)外信息交流和控制技術(shù),為人機(jī)交互方式提供了全新思路。運(yùn)動(dòng)想象(Motor Imagery,MI)作為BCI常見(jiàn)的一種,其自發(fā)式特點(diǎn)使得其應(yīng)用前景更加廣闊。但是,如何有效地獲取與識(shí)別腦電信號(hào)仍是制約運(yùn)動(dòng)想象腦機(jī)接口發(fā)展的主要障礙。為此,本文通過(guò)視覺(jué)指導(dǎo)和模式分類(lèi)兩個(gè)方面開(kāi)展對(duì)MI腦電的研究工作:(1)為了提高視覺(jué)指導(dǎo)下MI的訓(xùn)練效率,改善BCI的分類(lèi)準(zhǔn)確性,研究了虛擬現(xiàn)實(shí)(Virtual Reality,VR)環(huán)境對(duì)MI訓(xùn)練的影響以及不同視覺(jué)指導(dǎo)下腦電分類(lèi)模型的差異。首先,設(shè)計(jì)了三種三維手部交互動(dòng)畫(huà)及其腦電采集程序;然后,分別在頭戴式頭盔(Head Mount Display,HMD)和平面液晶屏(Liquid Crystal Display,LCD)的呈現(xiàn)環(huán)境下,對(duì)5名健康被試進(jìn)行了標(biāo)準(zhǔn)(單次實(shí)驗(yàn)5min)和長(zhǎng)測(cè)(單次實(shí)驗(yàn)15min)兩種實(shí)驗(yàn)方案的左右手MI訓(xùn)練;最后,通過(guò)對(duì)腦電數(shù)據(jù)的模式分類(lèi),分析了呈現(xiàn)環(huán)境和內(nèi)容形式對(duì)分類(lèi)準(zhǔn)確性的影響。實(shí)驗(yàn)結(jié)果表明,在視覺(jué)指導(dǎo)的MI訓(xùn)練中,HMD與LCD的呈現(xiàn)方式存在顯著性差異,HMD所呈現(xiàn)的VR環(huán)境能夠改善運(yùn)動(dòng)想象分類(lèi)準(zhǔn)確性,延長(zhǎng)單次訓(xùn)練時(shí)長(zhǎng)。此外,不同視覺(jué)指導(dǎo)內(nèi)容下的分類(lèi)模型存在較大差別,其中測(cè)試樣本與訓(xùn)練樣本為同一視覺(jué)指導(dǎo)內(nèi)容的平均分類(lèi)正確率比不同情況下高出16.34%。(2)為了減少特征提取中冗余信息,提高腦電識(shí)別的準(zhǔn)確性,提出了一種基于小波包分解(Wavelet Packet Decomposition,WPD)—共空間濾波(Common Spatial Pattern,CSP)—自適應(yīng)差分進(jìn)化(Adaptive Differential Evolution,ADE)的模式分類(lèi)方法用于腦電信號(hào)的特征提取。該方法使用WPD-CSP對(duì)腦電信號(hào)進(jìn)行特征提取,并保留全部特征,再利用ADE算法進(jìn)行特征選擇,選擇出用于分類(lèi)的最佳特征子集。ADE算法在差分進(jìn)化算法基礎(chǔ)上,通過(guò)動(dòng)態(tài)地調(diào)整交叉概率和縮放因子保持進(jìn)化過(guò)程中全局搜索性與種群多樣性的平衡。實(shí)驗(yàn)結(jié)果表明,所提的WPD-CSP-ADE方法能夠有效地提高分類(lèi)正確率,顯著地減少用于分類(lèi)的特征個(gè)數(shù)。此外,ADE算法較遺傳算法、粒子群算法、差分進(jìn)化算法有著更好的分類(lèi)性能表現(xiàn)。
【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)】：TN911.7;R318
【圖文】：

電大學(xué)碩士學(xué)位論文 第 1機(jī)接口系統(tǒng)概述 腦機(jī)接口系統(tǒng)的構(gòu)成機(jī)接口是為了建立人腦與外部設(shè)備間的直接連接通路，實(shí)現(xiàn)獲取與，達(dá)到對(duì)體外設(shè)備控制的效果[6]。一個(gè)典型的 BCI 系統(tǒng)主要有三個(gè)組成集模塊、信號(hào)處理與分析模塊以及設(shè)備控制模塊[7]，如圖 1.1 所示。

(a) 大腦結(jié)構(gòu)圖(b) 大腦功能分區(qū)圖圖 2.1 大腦的結(jié)構(gòu)和主要功能分區(qū)圖 2.1 中呈裂縫狀切跡的為溝，腦溝間凸起區(qū)域?yàn)榛�，額葉腦與頂葉腦分界的稱(chēng)為中央溝[40]�？蒲泄ぷ髡叩难芯勘砻�，大腦皮層的不同區(qū)域具有不同控制功，如圖 2.1(b)所示，可分別為運(yùn)動(dòng)區(qū)、感覺(jué)區(qū)、視覺(jué)區(qū)以及聽(tīng)覺(jué)區(qū)等。其中本文究的運(yùn)動(dòng)想象腦電就主要位于運(yùn)動(dòng)區(qū)，即大腦皮質(zhì)中央前回和中央旁小葉前部

夠發(fā)出正電壓或負(fù)電壓的后電位，且后電位信號(hào)[42]。當(dāng)一個(gè)神經(jīng)元細(xì)胞突觸發(fā)出的后電位信號(hào)被此電位信號(hào)將發(fā)送到接收的神經(jīng)元細(xì)胞體內(nèi)，再樹(shù)突。當(dāng)多個(gè)后電位信號(hào)同時(shí)作用，且疊加后總元興奮。當(dāng)大量神經(jīng)元細(xì)胞處于興奮狀態(tài)時(shí)，其皮層局部電位發(fā)生變化。層電位信號(hào)非常微弱，且腦部電阻較高。為了便于置電極的形式去記錄腦部電位信號(hào)變化，并對(duì)采，從而形式用于檢測(cè)腦部活動(dòng)狀態(tài)的腦電信號(hào)。的功能不同，其處于不同皮層區(qū)域的神經(jīng)元細(xì)胞此所形成的電位信號(hào)特征也是有區(qū)別的，因此可號(hào)解釋當(dāng)前大腦的具體思維活動(dòng)。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 謝平;吳曉光;牛小辰;陳曉玲;郭子暉;杜義浩;;運(yùn)動(dòng)觀察與運(yùn)動(dòng)想象的皮層節(jié)律活動(dòng)與神經(jīng)生理機(jī)制[J];中國(guó)科學(xué):生命科學(xué);2015年07期

2 喬曉艷;王春暉;;異步BCI系統(tǒng)中運(yùn)動(dòng)想象誘發(fā)腦電特征識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2015年07期

3 吳朝暉;俞一鵬;潘綱;王躍明;;腦機(jī)融合系統(tǒng)綜述[J];生命科學(xué);2014年06期

4 周瑛;羅志增;;基于歸一化AR模型譜值的運(yùn)動(dòng)想像腦電識(shí)別[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S1期

5 李明愛(ài);崔燕;楊金福;郝冬梅;;基于HHT和CSSD的多域融合自適應(yīng)腦電特征提取方法[J];電子學(xué)報(bào);2013年12期

6 張曉楠;劉建平;;Graz-腦機(jī)接口研究概述[J];智能系統(tǒng)學(xué)報(bào);2013年05期

7 王行愚;金晶;張宇;王蓓;;腦控:基于腦-機(jī)接口的人機(jī)融合控制[J];自動(dòng)化學(xué)報(bào);2013年03期

8 楊幫華;劉麗;陸文宇;李海飛;;基于虛擬現(xiàn)實(shí)技術(shù)的腦機(jī)交互反饋系統(tǒng)設(shè)計(jì)[J];北京生物醫(yī)學(xué)工程;2011年04期

9 徐寶國(guó);宋愛(ài)國(guó);費(fèi)樹(shù)岷;;在線腦機(jī)接口中腦電信號(hào)的特征提取與分類(lèi)方法[J];電子學(xué)報(bào);2011年05期

10 梁夏;王金輝;賀永;;人腦連接組研究:腦結(jié)構(gòu)網(wǎng)絡(luò)和腦功能網(wǎng)絡(luò)[J];科學(xué)通報(bào);2010年16期

相關(guān)博士學(xué)位論文 前3條

1 姜俊;自發(fā)式多分類(lèi)腦機(jī)協(xié)同控制方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

2 王洪濤;混合腦機(jī)接口實(shí)現(xiàn)及其應(yīng)用研究[D];華南理工大學(xué);2015年

3 印二威;誘發(fā)式腦—機(jī)接口的設(shè)計(jì)與優(yōu)化[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前4條

1 崔燕;基于運(yùn)動(dòng)想象腦電的手臂運(yùn)動(dòng)功能康復(fù)研究[D];北京工業(yè)大學(xué);2013年

2 薛紹龍;運(yùn)動(dòng)想象腦電信號(hào)處理技術(shù)研究[D];哈爾濱工程大學(xué);2013年

3 王東洋;基于運(yùn)動(dòng)想象的腦電信號(hào)識(shí)別算法的研究[D];華東理工大學(xué);2013年

4 趙瑞X;基于MATLAB的FIR和IIR數(shù)字濾波器的設(shè)計(jì)[D];吉林大學(xué);2012年

本文編號(hào)：2781441