【摘要】：腦機(jī)接口(Brain Computer Interface,BCI)技術(shù)是一種不依賴除大腦以外的肌肉和神經(jīng),在大腦與計(jì)算機(jī)或其它電子設(shè)備之間建立直接交流的人機(jī)交互技術(shù)。該技術(shù)的應(yīng)用前景廣闊,包括幫助殘障人士進(jìn)行康復(fù)治療,加速人類對(duì)大腦的探索,快速進(jìn)行目標(biāo)檢測(cè)等不同應(yīng)用方向,是一項(xiàng)值得深入研究的課題。根據(jù)腦電信號(hào)(Electroencephalogram,EEG)產(chǎn)生方式的不同BCI系統(tǒng)有著不同的分類,本文研究的是自發(fā)式BCI中的運(yùn)動(dòng)想象(Motor Imaginary,MI)系統(tǒng),即受試者在內(nèi)心反復(fù)想象肢體運(yùn)動(dòng)但實(shí)際保持靜止,采集該過程中大腦皮層產(chǎn)生的腦電信號(hào),分析其攜帶特征從而對(duì)不同想象任務(wù)進(jìn)行分類。目前,以運(yùn)動(dòng)想象EEG信號(hào)作為待分類信號(hào)的BCI系統(tǒng)大多按照手動(dòng)選擇特征明顯的導(dǎo)電極通道(C3,C4區(qū)域附近通道)進(jìn)行預(yù)處理,在選取的通道上尋找適合的特征提取算法,根據(jù)提取的特征在多種不同的分類算法中選擇效果最佳分類器的步驟進(jìn)行BCI系統(tǒng)的設(shè)計(jì)。該方式在單名受試者EEG信號(hào)的二分類問題上準(zhǔn)確率普遍集中在72%-85%之間,但是存在選擇通道憑經(jīng)驗(yàn)、特征提取不完全、不同受試者差異大等多種問題。針對(duì)這些問題本文選擇可以從數(shù)據(jù)中自動(dòng)學(xué)習(xí)特征并進(jìn)行分類的深度學(xué)習(xí)算法進(jìn)行研究,實(shí)驗(yàn)只需設(shè)計(jì)一個(gè)分類器且無需手動(dòng)選擇通道,簡(jiǎn)化了BCI系統(tǒng)的設(shè)計(jì)流程。本文的工作主要分為三部分。第一部分深入系統(tǒng)的了解了運(yùn)動(dòng)想象腦電信號(hào)產(chǎn)生的機(jī)制和特性,并由此設(shè)計(jì)EEG信號(hào)的采集實(shí)驗(yàn)。對(duì)采集到的EEG信號(hào)進(jìn)行簡(jiǎn)單的時(shí)域分析、頻域分析、及時(shí)頻分析。剔除異常樣本后采用小波重構(gòu)的方式對(duì)運(yùn)動(dòng)想象EEG信號(hào)的特定頻段進(jìn)行提取;第二部分本文根據(jù)運(yùn)動(dòng)想象腦電信號(hào)的特點(diǎn)著重探討了卷積神經(jīng)網(wǎng)絡(luò)(CNN)及長(zhǎng)期短期記憶網(wǎng)絡(luò)(LSTM)兩種分類算法。本文在深入的分析了選擇該算法的原因后,設(shè)計(jì)了多種不同的網(wǎng)絡(luò)結(jié)構(gòu)并分別在單人和多人上進(jìn)行訓(xùn)練。通過對(duì)實(shí)驗(yàn)結(jié)果的分析選擇最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu),并嘗試分析該結(jié)構(gòu)效果相較其他結(jié)構(gòu)有優(yōu)勢(shì)的原因;第三部分采用了一種綜合時(shí)域、頻域及空域的腦電信號(hào)處理方法。該方法用于分析由腦電信號(hào)按時(shí)間順序轉(zhuǎn)化成的一系列功率譜圖,將CNN算法與LSTM算法結(jié)合提取更全面的特征。實(shí)驗(yàn)發(fā)現(xiàn)該算法在單人和多人訓(xùn)練的分類準(zhǔn)確率上都有很大的提升,具有更好的魯棒性。該方法可作為通用的EEG信號(hào)處理方法,為腦電信號(hào)的分類提供了一種新穎的思路。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R318;TN911.7
【圖文】：

1.1 研究背景與意義1.1.1 腦機(jī)接口簡(jiǎn)介腦機(jī)接口（Brain-Computer Interface, BCI）是大腦與外部設(shè)備（計(jì)算機(jī)或其他電子設(shè)備）間通過大腦活動(dòng)時(shí)產(chǎn)生的信號(hào)建立起的一種通訊控制系統(tǒng)。該系統(tǒng)不依賴除大腦以外的肌肉和神經(jīng)[1]，在大腦與機(jī)器間建立直接的交流，是一種新型的，高端的人機(jī)交互方式。完整的 BCI 系統(tǒng)如下圖 1.1 所示，它包括：信號(hào)采集部分、特征提取部分、模式識(shí)別部分和控制命令輸出等四部分[2]。大腦進(jìn)行思維活動(dòng)主要依賴于中樞神經(jīng)系統(tǒng)。當(dāng)人類進(jìn)行不同的思維活動(dòng)時(shí)，腦中的神經(jīng)活動(dòng)模式不同，神經(jīng)活動(dòng)所產(chǎn)生的信號(hào)就不同。理論上 BCI 系統(tǒng)可以通過各種傳感器等信號(hào)采集設(shè)備監(jiān)測(cè)神經(jīng)活動(dòng)所產(chǎn)生的信號(hào)，通過對(duì)該信號(hào)的分析處理，即下圖中的特征提取和模式識(shí)別兩部分，將信號(hào)按不同的思維活動(dòng)進(jìn)行分類從而產(chǎn)生相應(yīng)的控制命令，完成用戶與外部設(shè)備的交互任務(wù)。圖 1.1 中的反饋環(huán)節(jié)并不是必要的，它通常應(yīng)用于在線的 BCI 系統(tǒng)中，使用戶可以清楚地看到自己的思維對(duì)應(yīng)的控制結(jié)果。如果結(jié)果與預(yù)期不同，用戶可以及時(shí)對(duì)自己的思維進(jìn)行調(diào)節(jié)，具有更好的用戶體驗(yàn)。

第 2 章 腦電信號(hào)采集及預(yù)處理第 2 章 腦電信號(hào)采集及預(yù)處理2.1 腦機(jī)接口生理基礎(chǔ)2.1.1 人腦結(jié)構(gòu)及皮質(zhì)層分區(qū)人類大腦的結(jié)構(gòu)可分為左右兩個(gè)腦半球，每個(gè)腦半球又可以根據(jù)位置劃分成四個(gè)腦葉區(qū)域，分別是：額葉、顳葉、頂葉、枕葉[51]，如下圖 2.1 所示。腦葉區(qū)域中蘊(yùn)含著可以承擔(dān)不同任務(wù)的神經(jīng)中樞，從而在大腦皮質(zhì)層上形成了分區(qū)專司的現(xiàn)象[2]，如下圖 2.2所示。

第 2 章 腦電信號(hào)采集及預(yù)處理第 2 章 腦電信號(hào)采集及預(yù)處理2.1 腦機(jī)接口生理基礎(chǔ)2.1.1 人腦結(jié)構(gòu)及皮質(zhì)層分區(qū)人類大腦的結(jié)構(gòu)可分為左右兩個(gè)腦半球，每個(gè)腦半球又可以根據(jù)位置劃分成四個(gè)腦葉區(qū)域，分別是：額葉、顳葉、頂葉、枕葉[51]，如下圖 2.1 所示。腦葉區(qū)域中蘊(yùn)含著可以承擔(dān)不同任務(wù)的神經(jīng)中樞，從而在大腦皮質(zhì)層上形成了分區(qū)專司的現(xiàn)象[2]，如下圖 2.2所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 阮曉鋼;薛坤;;穩(wěn)態(tài)視覺誘發(fā)腦機(jī)接口特征提取方法的研究[J];北京生物醫(yī)學(xué)工程;2015年06期

2 徐鑫;方慧娟;;P300的BCI漢字在線輸入系統(tǒng)[J];華僑大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年03期

3 劉瓏;李勝;王軼卿;;基于小波包變換的腦電波信號(hào)降噪及特征提取[J];計(jì)算機(jī)工程與科學(xué);2015年04期

4 晏強(qiáng);周冬梅;;信號(hào)分析中小波變換基函數(shù)選擇研究[J];電腦與電信;2012年03期

5 李曉歐;;基于獨(dú)立分量分析和共同空間模式的腦電特征提取方法[J];生物醫(yī)學(xué)工程學(xué)雜志;2010年06期

6 劉沖;趙海濱;李春勝;王宏;;基于CSP與SVM算法的運(yùn)動(dòng)想象腦電信號(hào)分類[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年08期

7 關(guān)俊強(qiáng);楊幫華;馬世偉;袁玲;;基于PCA及SVM的運(yùn)動(dòng)想象腦電信號(hào)識(shí)別研究[J];北京生物醫(yī)學(xué)工程;2010年03期

8 堯德中;劉鐵軍;雷旭;楊平;徐鵬;張楊松;;基于腦電的腦-機(jī)接口:關(guān)鍵技術(shù)和應(yīng)用前景[J];電子科技大學(xué)學(xué)報(bào);2009年05期

9 葛瑜;劉楊;周宗潭;胡德文;;用于腦-機(jī)接口P300實(shí)驗(yàn)的支持向量機(jī)分類方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年11期

10 李婷;邱天爽;;基于帶參考信號(hào)的ICA算法的腦電信號(hào)眨眼偽差的分離研究[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2006年03期

相關(guān)博士學(xué)位論文 前5條

1 成敏敏;基于EEG的情緒信息特征及其分類方法研究[D];東南大學(xué);2017年

2 張瑞;面向重度殘疾人的腦機(jī)接口功能輔助研究[D];華南理工大學(xué);2016年

3 郭曉靜;獨(dú)立分量分析在腦—機(jī)接口中的應(yīng)用研究[D];安徽大學(xué);2010年

4 王磊;基于運(yùn)動(dòng)想象的腦電信號(hào)分類與腦機(jī)接口技術(shù)研究[D];河北工業(yè)大學(xué);2009年

5 魏慶國(guó);基于運(yùn)動(dòng)想象的腦—機(jī)接口分類算法的研究[D];清華大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 范明莉;基于卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號(hào)特征提取與分類[D];鄭州大學(xué);2017年

2 李琳;基于穩(wěn)態(tài)視覺誘發(fā)電位的腦機(jī)接口系統(tǒng)設(shè)計(jì)及相關(guān)算法的研究[D];浙江理工大學(xué);2017年

3 丁鈺涵;腦磁信號(hào)的特征提取與腦網(wǎng)絡(luò)分析[D];南京郵電大學(xué);2016年

4 LUU ELODIE（呂麗君）;基于穩(wěn)態(tài)視覺誘發(fā)電位的腦機(jī)接口研究[D];華南理工大學(xué);2016年

5 馮思維;基于VEP腦機(jī)接口系統(tǒng)的應(yīng)用設(shè)計(jì)與研究[D];南昌大學(xué);2016年

6 王麗娟;視覺誘發(fā)P300電位的去噪與提取算法研究[D];山東大學(xué);2016年

7 信思旭;基于盲源分離的P300腦機(jī)接口信號(hào)處理算法研究[D];燕山大學(xué);2016年

8 劉建輝;基于穩(wěn)態(tài)視覺誘發(fā)電位的腦機(jī)接口系統(tǒng)研究[D];杭州電子科技大學(xué);2016年

9 郭光瑞;基于視覺誘發(fā)腦電的腦機(jī)接口研究與實(shí)現(xiàn)[D];天津理工大學(xué);2016年

10 趙巖巖;基于運(yùn)動(dòng)想象的腦電信號(hào)特征提取及分類算法的研究[D];哈爾濱工程大學(xué);2016年

本文編號(hào)：2802914