近年來,盡管腦機接口技術持續(xù)迅速發(fā)展,但是其在信息傳輸率和識別準確率等方面,還有所欠缺。若能將腦機接口技術與其他控制方式合理結合,則可以實現更多復雜的控制操作。從而擴展此類系統(tǒng)在各種應用場景中的適用性。另一方面,基于眼動跟蹤的控制接口已經取得較為良好的發(fā)展,此種控制方式主要的優(yōu)勢在于,眼動信息獲取較為迅速、準確,且不需要使用者經過強化訓練。由于眼動信息本身僅包含目光的定位信息,目前基于眼動信息的控制系統(tǒng)大多通過使用者注視點的停滯時間來判斷其是否關注某個位置或選擇某個目標。但出于各種任務的復雜性,設置最優(yōu)的停滯時間閾值往往存在困難。本工作中,基于腦機接口技術與眼動控制技術各自的優(yōu)缺點,嘗試使用眼動信息表征定位,而利用腦機接口技術來直接偵測使用者的注意力狀態(tài),從而將兩種技術有機結合,綜合運用于控制系統(tǒng)中。本文中主要闡述了基于腦電信號的注意力識別方法和腦眼混合控制的可行方案,期間涉及的具體工作包括:(1)基于腦電信號的注意力識別——本工作首先設計和實現了一種基于腦電信號來檢測使用者注意力是否集中的方法。其運作流程大致分為5個階段:a.信號采集——利用SynAmps2儀器收集使用者多個通道的腦電信號;b.CSP處理——將采集的信息經由一個(訓練過的)CSP變換矩陣進行映射;c.AR處理——從CSP映射后的信號中求得各個通道的頻率譜;d.特征信息提取——提取特定通道、特定頻點上的譜值作為識別特征。其中,通道和頻點的選擇是在過往的數據集上通過一種回歸分析方法得到。e.SVM分類——采用(訓練過的)SVM對得到的特征向量進行分類、即完成一次注意力狀態(tài)的識別。該部分工作還包括,對上述流程中所涉及的各個關鍵模型進行訓練,以及使用一個離線實驗來驗證該方法的有效性等。(2)腦眼混合控制方案的實踐——本工作中設計和實現了一個通過腦眼混合控制技術控制家電的系統(tǒng)。該系統(tǒng)中同時提供了3種家電設備的控制界面,其中每種設備又包含6個常用功能按鈕的選擇操作。眼動信息在系統(tǒng)中被用作光標的定位,而通過在線的基于腦電信號的注意力識別可以對用戶的選擇動作做出識別。從本文最后展示的系統(tǒng)運行實驗中可以看出腦眼混合控制可以達到良好的控制效果,其操控效率、操作時間、用戶體驗讓人滿意。
【學位單位】：福州大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：R318;TN911.7
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
        1.1.1 腦機接口的介紹
        1.1.2 BCI研究現狀
        1.1.3 眼動控制研究現狀
        1.1.4 腦機接口應用
    1.2 研究內容與論文結構
        1.2.1 本文的研究內容
        1.2.2 本文的論文結構
第二章 腦機接口系統(tǒng)的研究基礎
    2.1 大腦結構
    2.2 腦電的產生機理
    2.3 BCI系統(tǒng)研究步驟
    2.4 本章小結
第三章 腦電信號的采集與處理
    3.1 腦電信號的采集
        3.3.1 10-20國際電極放置方法
    3.2 腦電信號的處理
        3.2.1 預處理
        3.2.2 常見特征提取方法
        3.2.3 常見特征分類方法
    3.4 本章小結
第四章 注意力狀態(tài)識別方法
    4.1 方法的使用流程
        4.1.1 數據流程
        4.1.2 代碼實現
    4.2 方法的參數訓練
        4.2.1 CSP濾波方法
        4.2.2 AR譜估計方法
        4.2.3 SVM分類方法
    4.3 本章小結
第五章 腦眼控制方案的設計與實現
    5.1 實驗相關設備和軟件
        5.1.1 NueroScan與NueroScan通道設置
        5.1.2 BCI2000與BCI2000參數設置
        5.1.3 眼動系統(tǒng)及參數設置
    5.2 家電控制系統(tǒng)的設計與使用
        5.2.1 家電控制系統(tǒng)的設計
        5.2.2 應用程序操作流程
        5.2.3 眼動控制設計
    5.3 主要的編程實現
        5.3.1 BCI2000信號處理模塊
        5.3.2 應用程序編程
    5.4 本章小結
第六章 實驗
    6.1 注意力識別實驗
        6.1.1 實驗任務
        6.1.2 實驗流程
        6.1.3 實驗結果與分析
    6.2 家電控制實驗
        6.2.1 實驗任務
        6.2.2 評價指標
        6.2.3 實驗結果
    6.3 本章小結
第七章 總結與展望
    7.1 總結
    7.2 展望
參考文獻
致謝
個人簡歷
在學期間的研究成果及發(fā)表的學術論文

【相似文獻】

相關期刊論文 前10條

1 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

2 陳小剛;王毅軍;張丹;;2018年腦機接口研發(fā)熱點回眸[J];科技導報;2019年01期

3 ;腦機接口走向現實[J];發(fā)明與創(chuàng)新(大科技);2019年08期

4 潘紅光;張奇;米文毓;馬彪;;基于長短期記憶網絡的解碼器設計及閉環(huán)腦機接口系統(tǒng)構建[J];西安科技大學學報;2019年06期

5 高上凱;;腦機接口的現狀與未來[J];機器人產業(yè);2019年05期

6 張丹;陳菁菁;王毅軍;;2017年腦機接口研發(fā)熱點回眸[J];科技導報;2018年01期

7 李佩瑄;薛貴;;腦機接口的倫理問題及對策[J];科技導報;2018年12期

8 陳小剛;王毅軍;;基于腦電的無創(chuàng)腦機接口研究進展[J];科技導報;2018年12期

9 楊曉哲;;腦機接口離我們有多近[J];中國信息技術教育;2017年Z2期

10 ;腦機接口芯片用上玻璃碳電極[J];杭州化工;2017年01期

相關博士學位論文 前10條

1 于揚;移動平臺異步腦機操控技術研究[D];國防科技大學;2017年

2 蘇億;多通道無線低功耗雙向腦機接口關鍵技術研究[D];武漢大學;2016年

3 肖君;面向臨床應用的腦機接口技術研究[D];華南理工大學;2018年

4 王洪濤;混合腦機接口實現及其應用研究[D];華南理工大學;2015年

5 程明;基于腦電信號的腦—計算機接口的研究[D];清華大學;2004年

6 毛大偉;分尺度復雜性及希爾伯特-黃變換在腦電分析中的應用[D];浙江大學;2005年

7 劉伯強;腦機接口分類算法及實驗研究[D];天津大學;2005年

8 朱曉源;EEG腦機接口的連續(xù)預測方法研究[D];中國科學技術大學;2007年

9 龍錦益;腦信號分析的算法研究與多模態(tài)腦機接口[D];華南理工大學;2012年

10 周寅;運動型腦機接口中神經元峰電位記錄與檢測的關鍵技術研究[D];浙江大學;2017年

相關碩士學位論文 前10條

1 張力;基于腦電和肌電的混合腦機接口研究與集成實現[D];重慶郵電大學;2019年

2 崔婷婷;結合深度學習的腦機接口研究及系統(tǒng)實現[D];重慶郵電大學;2019年

3 李文瀚;基于嵌入式的腦機接口系統(tǒng)研究與實現[D];重慶郵電大學;2019年

4 湯禎宇;基于編碼調制的視覺誘發(fā)電位腦機接口濾波優(yōu)化算法研究[D];南昌大學;2019年

5 肖郴杰;基于深度學習的P300腦機接口分類算法研究[D];華南理工大學;2019年

6 于承鑫;同步EEG-fMRI腦機接口系統(tǒng)研發(fā)[D];華南理工大學;2019年

7 盧麗容;基于混合腦機接口的學習評估系統(tǒng)研究[D];華南理工大學;2019年

8 韓星;觸覺通道腦機接口范式研究[D];國防科技大學;2017年

9 殷皓澤;基于腦機接口的自動SAR目標檢測[D];西安電子科技大學;2019年

10 王磊磊;基于混合腦機接口的虛擬康復系統(tǒng)設計[D];燕山大學;2019年

本文編號：2845502