基于行走想象(Walking Imagery,WI)的腦機接口(Brain-computer Interfaces,BCI)屬于下肢運動想象(Motor Imagery,MI),可通過激活感覺運動節(jié)律的改變進行下肢運動康復。因此,對WI-BCI的研究有重要的意義。在大腦皮層的運動感覺區(qū)中,與下肢對應的運動感覺區(qū)的位置比上肢深,下肢的代表區(qū)域的面積比上肢小。所以,WI的腦電(electroencephalogram,EEG)信號可能比上肢MI更難被探測到,WI腦電活動模式識別錯誤率高。從而導致WI-BCI的分類的性能不佳,不能被廣泛的應用到實驗室之外,也未受到廣泛關注。為了有效地解決上述的問題,本文主要從兩個方面進行研究:如何獲得有效的EEG信號和如何實現(xiàn)WI-BCI的有效分類。一方面,有效的EEG信號能增強MI-BCI分類效果。WI是一種自主控制的腦意識活動,刺激源屬于自發(fā)源,其依賴于用戶的自身能力。一種合適的引導型的訓練模式可以幫助用戶提高這種能力、促使用戶有效地調(diào)制大腦信號,從而獲得有效的EEG信號。為了實現(xiàn)良好的引導型的訓練模式,本文搭建了基于虛擬環(huán)境(Virtual Envir...

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景和意義
    1.2 腦機接口的結(jié)構(gòu)以及關鍵技術
        1.2.1 腦機接口的結(jié)構(gòu)
        1.2.2 腦機接口的關鍵技術
    1.3 提高MI-BCI的分類的性能的現(xiàn)狀
        1.3.1 虛擬環(huán)境與MI-BCI結(jié)合
        1.3.2 MI-BCI的算法
    1.4 本論文的研究目標與挑戰(zhàn)
        1.4.1 非算法方案
        1.4.2 算法方案
    1.5 本文的組織結(jié)構(gòu)
第2章 行走想象的訓練模式的設計與實現(xiàn)
    2.1 基于文字引導的訓練模式的設計與實現(xiàn)
        2.1.1 文字模式的前端的設計
        2.1.2 文字模式的后端程序的開發(fā)
    2.2 基于VE引導的訓練模式的設計與實現(xiàn)
        2.2.1 Unity3D引擎的介紹
        2.2.2 虛擬對象的構(gòu)建
        2.2.3 VE的編程以及組件屬性的設置
    2.3 小結(jié)
第3章 行走想象的腦電數(shù)據(jù)的采集
    3.1 被試者
        3.1.1 被試者的基本情況
        3.1.2 實驗前被試者的準備工作
    3.2 行走想象的腦電信號的采集裝置
        3.2.1 采集行走想象的腦電信號的電極
        3.2.2 行走想象的腦電信號的傳送以及接收裝置
    3.3 采集行走想象的腦電信號的實驗流程
        3.3.1 在流程中兩種模式的各個階段的對比
        3.3.2 在流程中的各個階段的詳解
    3.4 小結(jié)
第4章 基于多視角特征的行走想象的腦電數(shù)據(jù)的處理
    4.1 腦電信號預處理
    4.2 基于多模式特征的特征提取
        4.2.1 基于公共空間模式提取單一特征
        4.2.2 基于功率頻譜密度提取單一特征
        4.2.3 基于小波包變換提取單一特征
        4.2.4 多視角特征的實現(xiàn)
    4.3 實驗結(jié)果與分析
        4.3.1 實驗設置
        4.3.2 評估指標
        4.3.3 基于多視角特征的兩種訓練模式的對比
        4.3.4 多視角特征與單一特征的對比
    4.4 小結(jié)
第5章 基于多視角多級深度多項式網(wǎng)絡的行走想象的腦電數(shù)據(jù)的處理
    5.1 基于深度學習的編碼方法
        5.1.1 深度信念網(wǎng)絡
        5.1.2 堆疊自編碼器
        5.1.3 卷積神經(jīng)網(wǎng)絡
        5.1.4 深度多項式網(wǎng)絡
    5.2 實驗結(jié)果與分析
        5.2.1 實驗設置
        5.2.2 MVF、MDPN、MMDPN的兩兩對比
        5.2.3 MMDPN與其它多視角多級深度方法對比
    5.3 小結(jié)
第6章 總結(jié)和展望
    6.1 本文研究總結(jié)
    6.2 工作展望
參考文獻
致謝
攻讀碩士學位期間的研究成果



本文編號：3736736