腦機(jī)接口(Brain-Computer Interaction,BCI)是一種新型的人機(jī)交互方式,其中,基于運(yùn)動(dòng)想象腦電的BCI是一種最常用的BCI系統(tǒng),目前,BCI系統(tǒng)的性能還達(dá)不到產(chǎn)品化和實(shí)用化的要求,尤其是其中的腦電處理算法還需要進(jìn)一步的研究和改進(jìn)。腦電極易受到各種生理、非生理偽跡的干擾,傳統(tǒng)或單一的預(yù)處理方法已滿足不了BCI系統(tǒng)對(duì)預(yù)處理性能的要求。本文重點(diǎn)對(duì)運(yùn)動(dòng)想象腦電的預(yù)處理方法展開研究,提出了一種新的腦電預(yù)處理算法,通過模擬腦電數(shù)據(jù)定量評(píng)價(jià)了該算法的預(yù)處理性能,并對(duì)離線運(yùn)動(dòng)想象腦電數(shù)據(jù)進(jìn)行了腦電微狀態(tài)研究,然后對(duì)該預(yù)處理算法進(jìn)行了在線驗(yàn)證和應(yīng)用,在此基礎(chǔ)上初步搭建了一個(gè)高效的運(yùn)動(dòng)想象腦電預(yù)處理平臺(tái)。主要研究內(nèi)容為:(1)提出了一種離散小波變換(DWT)、快速獨(dú)立成分分析(Fastica)結(jié)合聚類分析的運(yùn)動(dòng)想象腦電預(yù)處理方法(DWICA+聚類分析),首先通過DWT將少通道腦電轉(zhuǎn)換為多通道,然后直接將該多通道信號(hào)作為fastica的輸入,計(jì)算分解后各獨(dú)立分量的時(shí)域、頻譜和序間相關(guān)性特征,引入層次聚類算法對(duì)各個(gè)獨(dú)立分量進(jìn)行聚類,自動(dòng)識(shí)別并剔除偽跡分量,最后得到干凈的EEG信號(hào)。(2)通過構(gòu)造模擬腦電信號(hào)來測(cè)試EEMD-ICA算法、DWT-ICA以及DWICA結(jié)合聚類分析的預(yù)處理算法,分別計(jì)算預(yù)處理的時(shí)間消耗以及腦電的信噪比、均方根誤差來定量評(píng)價(jià)這三種方法的性能。最后對(duì)離線運(yùn)動(dòng)想象腦電數(shù)據(jù)進(jìn)行微狀態(tài)研究,為微狀態(tài)應(yīng)用于運(yùn)動(dòng)想象腦電的特征提取打下了一定的基礎(chǔ)。(3)結(jié)合特征提取和分類方法對(duì)DWICA結(jié)合聚類分析的預(yù)處理算法進(jìn)行在線驗(yàn)證,實(shí)驗(yàn)過程中提取被試左右手運(yùn)動(dòng)想象腦電的瞬時(shí)能量特征,分別利用參數(shù)尋優(yōu)SVM、SVM以及LDA分類器進(jìn)行模式分類,6名被試的實(shí)際控制結(jié)果證明了本文所提出的預(yù)處理算法在線應(yīng)用時(shí)的有效性以及參數(shù)尋優(yōu)SVM分類器可以進(jìn)一步提高分類準(zhǔn)確率。(4)結(jié)合傳統(tǒng)的腦電預(yù)處理方法和上述研究內(nèi)容,從提高系統(tǒng)搭建速度和算法可移植性的角度出發(fā),初步設(shè)計(jì)了運(yùn)動(dòng)想象腦電的預(yù)處理MFC平臺(tái),為未來基于運(yùn)動(dòng)想象腦電的BCI系統(tǒng)產(chǎn)品化和算法移植奠定了一定的基礎(chǔ)。
【學(xué)位單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：R318;TN911.7
【部分圖文】：

學(xué)習(xí)、思考狀態(tài)的最佳反映；頻率隨年齡的變化而變化快波5~20產(chǎn)生于感覺運(yùn)動(dòng)皮層（主要是額區(qū)、顳區(qū)和中央?yún)^(qū)），C3 和C4 之間，呈對(duì)稱分布；振幅要低于 Alpha 波，在劇烈運(yùn)動(dòng)時(shí)會(huì)減弱警覺、<2 體感皮層體感加象、聲期記憶<50產(chǎn)生于感覺運(yùn)動(dòng)皮層，類似于Alpha 波無實(shí)際應(yīng)的運(yùn)作（觀

抗以減小初采樣信號(hào)的失真、高共模抑制比來抑制工頻以及其它無關(guān)生干擾、低噪聲和低漂移的放大處理以對(duì)外界噪聲起到較好的抑制作用，放大器內(nèi)置的模/數(shù)（A/D）轉(zhuǎn)換模塊將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)。（3）腦電帽：腦電帽的類型根據(jù)其嵌入的電極數(shù)目和電極材料不同而，使用者往往根據(jù)不同的實(shí)驗(yàn)?zāi)康暮鸵髞磉x擇不同類型的腦電帽，3 64 通道的腦電帽是最常用的，單導(dǎo)聯(lián)、16 導(dǎo)聯(lián)抑或多則 128 導(dǎo)聯(lián)甚至的也有研究者使用，常用的電極材料為 Ag/AgCl。腦電帽上電極位置的都遵循國際公認(rèn)的 10-20 系統(tǒng)標(biāo)準(zhǔn)。.1 EEG 電極的放置方法理論上電極可以隨意安放在人體頭皮表面進(jìn)行信號(hào)采集，但是考慮到臨科學(xué)研究的統(tǒng)一性，早在 1958 年，Jasper 按照大腦在位置上的功能劃國際公認(rèn)的 10-20 導(dǎo)聯(lián)系統(tǒng)[35]，目前，國內(nèi)外腦電帽制造廠商大多以該的電極放置方法為標(biāo)準(zhǔn)定制腦電帽，標(biāo)準(zhǔn) 10-20 導(dǎo)聯(lián)系統(tǒng)中各個(gè)腦電采人體頭皮上應(yīng)該放置的位置如圖 2.2 所示：

（a）單極導(dǎo)聯(lián)示意圖 （b）雙極導(dǎo)聯(lián)示意圖圖 2.3 電極導(dǎo)聯(lián)連接方式示意圖單級(jí)導(dǎo)聯(lián)方式如圖 2.3（a）所示，它將兩側(cè)乳突作為參考電極，把活動(dòng)電極放置在頭皮表面適當(dāng)位置來采集腦電信號(hào)的方法，其中，左半腦頭皮表面的活動(dòng)電極和左耳乳突的參考電極相連接，右半腦頭皮表面的活動(dòng)電極和右耳乳突的參考電極相連接。這種導(dǎo)聯(lián)方式的優(yōu)點(diǎn)是記錄到的信號(hào)為該活動(dòng)電極下電位變化的絕對(duì)值，幅值相對(duì)較高，也比較穩(wěn)定，異常波表現(xiàn)更加明顯，有助于定位病灶。這種方式的劣勢(shì)是所選取的參考電極（鼻尖、耳垂或乳突位置）并非絕對(duì)的零電位點(diǎn)，當(dāng)振幅較大的異常波產(chǎn)生于參考電極附近時(shí)就有可能記錄下這一異常信號(hào)（通常把這種現(xiàn)象叫做無關(guān)電極活動(dòng)化），而且無論參考電極怎樣選擇都不能避免心電偽跡的干擾。雙極導(dǎo)聯(lián)方式如圖 2.3（b）所示，這種方式不需要參考電極，直接記錄兩個(gè)活動(dòng)電極所在位置腦電活動(dòng)之間的電位差，它能較好的抵消參考電極活動(dòng)化導(dǎo)致的誤差，對(duì)局域性異常波的記錄具有較好的效果；但由于采集到的腦電信號(hào)幅值
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊幫華;章云元;李華榮;張?zhí)?段凱文;;基于二階盲辨識(shí)結(jié)合小波包的腦電信號(hào)預(yù)處理[J];上海交通大學(xué)學(xué)報(bào);2015年12期

2 孫會(huì)文;伏云發(fā);熊馨;楊俊;劉傳偉;余正濤;;基于HHT運(yùn)動(dòng)想象腦電模式識(shí)別研究[J];自動(dòng)化學(xué)報(bào);2015年09期

3 楊幫華;章云元;何亮飛;李華榮;王倩;;腦機(jī)接口中基于ICA-RLS的EOG偽跡自動(dòng)去除[J];儀器儀表學(xué)報(bào);2015年03期

4 李明愛;梅意城;孫炎珺;楊金福;;眼電偽跡自動(dòng)去除方法的研究與分析[J];儀器儀表學(xué)報(bào);2014年11期

5 趙海濱;顏世玉;于清文;王宏;;采用Fisher線性判別分析進(jìn)行MEG信號(hào)的分類[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年12期

6 黃書華;卓東風(fēng);郭一娜;;一種自適應(yīng)單入多出盲源分離方法[J];計(jì)算機(jī)應(yīng)用與軟件;2013年08期

7 李明愛;崔燕;楊金福;;腦電信號(hào)中眼電偽跡自動(dòng)去除方法的研究[J];電子學(xué)報(bào);2013年06期

8 陳悅;張少白;;LM算法在神經(jīng)網(wǎng)絡(luò)腦電信號(hào)分類中的研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2013年02期

9 宋廣東;王昌;王金玉;路璐;魏玉賓;;基于DLL技術(shù)和COM組件技術(shù)實(shí)現(xiàn)LabVIEW和MATLAB混合編程[J];計(jì)算機(jī)應(yīng)用與軟件;2013年01期

10 孫吉貴;劉杰;趙連宇;;聚類算法研究[J];軟件學(xué)報(bào);2008年01期

相關(guān)碩士學(xué)位論文 前4條

1 郭衍龍;基于運(yùn)動(dòng)想象與穩(wěn)態(tài)視覺誘發(fā)電位的混合腦機(jī)接口系統(tǒng)研究[D];昆明理工大學(xué);2017年

2 左超華;便攜式單導(dǎo)腦電信號(hào)采集與處理研究[D];西南交通大學(xué);2016年

3 貢平;運(yùn)動(dòng)想象腦電信號(hào)特征提取研究[D];重慶大學(xué);2014年

4 段明秀;層次聚類算法的研究及應(yīng)用[D];中南大學(xué);2009年

本文編號(hào)：2885323