【摘要】：本文以基于腦機(jī)接口的護(hù)理床腦控方法為研究對(duì)象,對(duì)其預(yù)處理、特征提取及識(shí)別等理論方法進(jìn)行研究,并將腦機(jī)接口中的穩(wěn)態(tài)視覺誘發(fā)電位作為護(hù)理床控制量,構(gòu)建了基于穩(wěn)態(tài)視覺誘發(fā)電位的護(hù)理床腦控系統(tǒng)。主要?jiǎng)?chuàng)新點(diǎn)如下:(1)提出了護(hù)理床腦控方法的穩(wěn)態(tài)視覺誘發(fā)電位刺激范式。通過分析實(shí)驗(yàn)數(shù)據(jù),根據(jù)10-20國際電極放置標(biāo)準(zhǔn)確定了穩(wěn)態(tài)視覺誘發(fā)腦電采集電極準(zhǔn)確放置點(diǎn),并針對(duì)傳統(tǒng)視覺刺激器誘發(fā)率低、易導(dǎo)致人眼視覺疲勞等缺陷,進(jìn)行了黑色背景下不同顏色閃光刺激和圖形刺激的對(duì)比實(shí)驗(yàn),通過分析實(shí)驗(yàn)結(jié)果,確定采用棋盤格視覺刺激模式作為穩(wěn)態(tài)視覺誘發(fā)電位刺激器的刺激模式。(2)針對(duì)硬閾值函數(shù)去噪后小波系數(shù)在閾值處不連續(xù)以及軟閾值函數(shù)去噪后小波系數(shù)與真實(shí)小波系數(shù)之間存在恒定偏差的問題,提出一種改進(jìn)的閾值函數(shù)用于小波閾值去噪。通過該閾值函數(shù)去噪后的小波系數(shù)與真實(shí)小波系數(shù)之間的偏差逐漸減小且逼近真實(shí)小波系數(shù),采用該閾值函數(shù)對(duì)腦電信號(hào)進(jìn)行去噪,提高了腦電信號(hào)的信噪比。(3)針對(duì)人工魚群算法尋優(yōu)過程中前期收斂速度快后期下降且易陷入局部最優(yōu)等問題,提出一種改進(jìn)的人工魚群算法,并利用該算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,得到基于改進(jìn)人工魚群算法的BP網(wǎng)絡(luò)模型,進(jìn)而解決了BP神經(jīng)網(wǎng)絡(luò)隨機(jī)選取初始值的問題,并實(shí)現(xiàn)全局優(yōu)化。通過構(gòu)建完整的護(hù)理床腦控系統(tǒng),實(shí)現(xiàn)對(duì)上述理論方法的驗(yàn)證。實(shí)驗(yàn)表明:采用改進(jìn)的人工魚群算法優(yōu)化后的BP網(wǎng)絡(luò)對(duì)腦電信號(hào)進(jìn)行特征識(shí)別,相比于基本BP網(wǎng)絡(luò)和傳統(tǒng)人工魚群算法優(yōu)化的BP網(wǎng)絡(luò),識(shí)別率分別提高了4.7%和2.2%;護(hù)理床腦控系統(tǒng)對(duì)護(hù)理床控制指令的正確識(shí)別率達(dá)到88.89%以上,且每個(gè)控制指令誘發(fā)操作時(shí)間小于8s,證明了本文所提出算法的正確性以及所構(gòu)建系統(tǒng)的可靠性。
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TN911.7;TH77
【圖文】：

如圖 1.1 所示。同時(shí)，隨著我國人口老齡化加速，我國患有腦神經(jīng)系統(tǒng)疾病的老越多，這些殘疾人和老人（下文統(tǒng)稱殘障人士）由于其神經(jīng)系統(tǒng)受損或者肢體受我照顧能力下降，行動(dòng)不便，嚴(yán)重者可能存在長期臥床或者肢體癱瘓，其活動(dòng)空限制。對(duì)于這類殘障人士，由于其長期臥床無法行動(dòng)，其身體某些部位的血液流阻礙，若無其他人員護(hù)理幫助，其身體容易產(chǎn)生褥瘡等問題[2]。因此，智能護(hù)理而生。

圖 1.2 大腦生理結(jié)構(gòu)圖腦皮層上有定位關(guān)系，即人體的不同功能在大腦皮如圖 1.3 所示。圖 1.3 大腦功能圖在大腦皮層的位置及對(duì)應(yīng)人體功能如下：大腦額葉覆蓋了大腦皮層 25%以上，包括大腦前區(qū)

大腦功能圖

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 王生生;楊娟娟;柴勝;;基于混沌鯰魚效應(yīng)的人工蜂群算法及應(yīng)用[J];電子學(xué)報(bào);2014年09期

2 吳朝暉;俞一鵬;潘綱;王躍明;;腦機(jī)融合系統(tǒng)綜述[J];生命科學(xué);2014年06期

3 印嘉;吳建德;王曉東;范玉剛;黃國勇;;基于小波包能量譜的往復(fù)式隔膜泵故障診斷研究[J];傳感器與微系統(tǒng);2012年10期

相關(guān)碩士學(xué)位論文 前10條

1 郭小勇;基于改進(jìn)的魚群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的齒輪箱故障診斷研究[D];中北大學(xué);2018年

2 趙蘭慧;青少年抑郁障礙腦磁頻譜功率、功能連接與皮質(zhì)醇的相關(guān)性[D];廣州中醫(yī)藥大學(xué);2018年

3 呂宗霖;基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)視頻質(zhì)量評(píng)價(jià)算法研究[D];北京交通大學(xué);2018年

4 竇立祥;基于穩(wěn)態(tài)視覺誘發(fā)電位和運(yùn)動(dòng)想象的混合腦機(jī)接口系統(tǒng)研究與實(shí)現(xiàn)[D];天津理工大學(xué);2018年

5 趙興平;基于單通道腦機(jī)接口的智能輪椅控制及人機(jī)交互研究[D];哈爾濱工業(yè)大學(xué);2017年

6 任通;基于視覺刺激的腦電信號(hào)情緒識(shí)別研究[D];杭州電子科技大學(xué);2017年

7 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

8 彭能能;基于混合型腦-機(jī)接口的護(hù)理床與家電集成控制系統(tǒng)研究、設(shè)計(jì)及實(shí)現(xiàn)[D];華南理工大學(xué);2016年

9 黃檸檬;基于EEG的情緒識(shí)別[D];華南理工大學(xué);2016年

10 韓寶珠;基于小波分析和在線極限學(xué)習(xí)機(jī)的滾動(dòng)軸承故障診斷方法研究[D];北京交通大學(xué);2016年

本文編號(hào)：2765760