腦機接口是一種使大腦可與外界環(huán)境直接建立聯(lián)系的控制技術(shù),其實現(xiàn)過程無需借助外圍神經(jīng)及肌肉組織,只需將大腦進行相應思維時產(chǎn)生的電活動通過一定的解碼轉(zhuǎn)換成對應的控制命令,以實現(xiàn)與外部環(huán)境進行信息交流。腦電信號(Electroencephalography,EEG)能夠綜合反映大腦的功能狀態(tài)以及大腦思維電活動,是用于研究腦機接口技術(shù)使用最多的工具。目前針對單一模式EEG信號的腦機接口研究居多,最常見的為基于運動想象ERD/ERS(Event Related Desynchronization/Synchronization)。ERD/ERS作為自發(fā)式腦電具有很強的隨機性和非平穩(wěn)性,且存在特征信息較為單一,產(chǎn)生現(xiàn)象不明顯,可區(qū)分性較差等問題。針對于單一模式簡單運動想象腦機接口存在的這些問題,本文提出了一種復雜的運動想象思維任務模式,將運動想象與某些特殊思維任務融合的新型混合腦機接口,用特殊思維任務代替簡單的運動想象任務,增強ERD/ERS生理現(xiàn)象,提高系統(tǒng)性能。本文具體研究內(nèi)容如下:首先,對比研究了典型的基于EEG信號的腦機接口系統(tǒng),針對單模式系統(tǒng)較強的局限性及針對性,對混合模式展開了研究探索,并在混合模式腦機接口系統(tǒng)的基礎(chǔ)上,以簡單運動想象ERD/ERS模式為研究對象,針對其存在的特征信息較為單一,ERD/ERS生理現(xiàn)象產(chǎn)生不明顯,可區(qū)分性較差等問題,提出將運動想象與思維任務融合的新型復雜混合腦機接口。其次,針對ERD/ERS模式的EEG信號,設(shè)計了幾種常見的特征提取方法及模式識別方法,包括自回歸模型、共空間模式濾波器、貝葉斯分類器、Fisher線性分類器以及稀疏表征分類方法,將各個特征提取方法與分類方法進行兩兩組合,對基于運動想象ERD/ERS的腦電競賽數(shù)據(jù)進行測試處理,并對分類結(jié)果進行了對比,找出更為適合處理ERD/ERS模式的EEG信號的方法,以便利用該方法實現(xiàn)對復雜混合模式EEG信號的處理。最后,對提出的新型復雜混合模式進行了系統(tǒng)設(shè)計,包括受試對象,實驗范式以及EEG信號采集等。同時,為了便于對提出的復雜混合模式進行有效性驗證,設(shè)計了簡單運動想象模式作為對比實驗,利用設(shè)計的特征提取與分類算法對兩種對比模式進行處理。實驗結(jié)果表明,本文提出的基于運動想象與特殊思維任務融合的復雜混合模式的腦機接口性能要優(yōu)于單一的簡單運動想象模式。
【學位單位】：哈爾濱工程大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：R318;TN911.7
【部分圖文】：

第 1 章 緒論背景與意義是人工智能的時代，亦是解密腦智慧的時代。為了進一步實現(xiàn)“與認知科學的研究受到了越來越高的重視，而腦機接口作為該領(lǐng)研究方向，也正日益取得突破性進展。腦機接口（Brain-Comp與計算機或其他電子設(shè)備間通過大腦活動產(chǎn)生的腦電信號建立，該系統(tǒng)不依賴大腦以外的神經(jīng)系統(tǒng)和肌肉組織通路，在大腦與是一種新型的、高端的人機交互方式，為人類和機械開辟了一條的 BCI 系統(tǒng)主要包含：信號采集部分，特征提取部分，模式識別分，BCI 系統(tǒng)結(jié)構(gòu)圖如圖 1.1 所示。當大腦想執(zhí)行某項控制命令完成，可通過腦機接口技術(shù)對大腦特定思維意識進行解讀，再將成相應的控制命令，實現(xiàn)對譬如神經(jīng)假肢[1][2]、輪椅[3]、機器人[備的控制。

清華大學高上凱教授帶領(lǐng)的腦機接口研究小組在穩(wěn)態(tài)視覺誘發(fā)電位（Steady StateVisual Evoked Potential, SSVEP）基礎(chǔ)上提出了一種基于動態(tài)窗SSVEP的腦機接口系統(tǒng)，如圖1.2所示，實驗過程中，用戶只需將注意力集中于屏幕中的模擬鍵盤，無需訓練，通過該腦機接口系統(tǒng)便可在短時間內(nèi)將EEG信號轉(zhuǎn)換成特定的文字，實現(xiàn)與外部系統(tǒng)的連接。圖1.2 基于動態(tài)窗SSVEP的腦機接口系統(tǒng)

在腦機接口技術(shù)研發(fā)的早期，主要是面向殘疾人群，以一種新的形式幫助他們保持與外界進行通信與交流。2014年世界杯開幕式上，巴西一位殘疾人利用腦機接口技術(shù)僅靠大腦意識驅(qū)動仿生外骨骼完成開球，向全世界彰顯了腦機接口技術(shù)的魅力，如圖1.3所示；2016年8月11日，“再次行走計劃”（Walk Again Project）的研究團隊在Nature子刊上發(fā)表了一項研究成果[27]：長期患有脊髓損傷的8位病人，使用腦機接口技術(shù)對機械仿生外骨骼進行控制，并增加VR技術(shù)緩解視覺反饋問題，如圖1.4所示，通過不斷訓練，8位患者下肢肌肉功能和感知功能均得到部分恢復。圖1.3 巴西世界杯上的開球 圖1.4 Walk Again Project團隊的研究成果2016年10月，美國一位殘疾男子借助腦機接口技術(shù)通過意念驅(qū)動機械手臂與美國總統(tǒng)奧巴馬“握手”

【參考文獻】

相關(guān)期刊論文 前10條

1 劉斌;魏夢然;羅聰;;基于腦電BCI的研究綜述[J];電腦知識與技術(shù);2014年07期

2 王麗華;;淺談腦-機接口技術(shù)[J];福建電腦;2013年01期

3 顏世玉;劉沖;趙海濱;王宏;;基于小波包分解的意識腦電特征提取[J];儀器儀表學報;2012年08期

4 李翔;高小榕;高上凱;;一種基于兩種不同范式的混合型腦-機接口系統(tǒng)[J];中國生物醫(yī)學工程學報;2012年03期

5 王江;徐桂芝;王磊;張惠源;;基于多通道自適應自回歸模型腦-機接口系統(tǒng)特征的提取[J];中國組織工程研究與臨床康復;2011年48期

6 葉檸;孫宇舸;王旭;;基于共空間模式和神經(jīng)元網(wǎng)絡(luò)的腦-機接口信號的識別[J];東北大學學報(自然科學版);2010年01期

7 高莉;黃力宇;;基于獨立分量分析的自適應最大熵算法對腦電干擾的識別與剔除[J];航天醫(yī)學與醫(yī)學工程;2008年02期

8 楊幫華;顏國正;鄢波;;基于離散小波變換提取腦機接口中腦電特征[J];中國生物醫(yī)學工程學報;2006年05期

9 胡劍鋒;;未來不是夢——腦機接口綜述[J];江西藍天學院學報;2006年02期

10 周成,劉釗;基于獨立分量分析的單通道語音降噪算法研究[J];激光與紅外;2005年05期

相關(guān)博士學位論文 前4條

1 何國林;復合齒輪傳動系統(tǒng)振動響應調(diào)制機理及稀疏分離方法研究[D];華南理工大學;2015年

2 姚林;刺激輔助的腦電信號特征增強方法與混合式腦機接口[D];上海交通大學;2015年

3 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;2009年

4 周鵬;基于運動想象的腦機接口的研究[D];天津大學;2007年

相關(guān)碩士學位論文 前10條

1 李居康;腦—機接口技術(shù)在機器人控制上的應用[D];東南大學;2016年

2 張玉霞;基于P300和SSVEP的混合型腦機接口的分析與研究[D];山東大學;2015年

3 周樂囡;基于信號稀疏表示的重構(gòu)與分類算法研究[D];西安電子科技大學;2014年

4 袁道任;基于多模態(tài)腦電信號的腦機接口關(guān)鍵技術(shù)研究[D];鄭州大學;2013年

5 張棟;Lempel-Ziv復雜度的尺度劃分方法的研究及應用[D];太原理工大學;2013年

6 王玉蘭;睡眠腦電的去趨勢互相關(guān)和多重分形去趨勢互相關(guān)分析[D];南京郵電大學;2013年

7 朱文杰;基于稀疏模型的模式識別應用[D];西安電子科技大學;2013年

8 李翔;基于運動想象的在線腦—機接口系統(tǒng)的研究與實現(xiàn)[D];清華大學;2012年

9 谷艷蕾;基于運動想象和alpha波的腦機接口及虛擬漫游系統(tǒng)[D];浙江大學;2012年

10 劉琳;基于想象運動的腦電信號處理算法的研究[D];南昌大學;2009年

本文編號：2820724