腦-機接口(BCI)系統(tǒng)是一種能在外部設(shè)備與腦之間建立信息傳輸通路的人機交互系統(tǒng),同時也是當(dāng)前腦科學(xué)研究中最熱門的領(lǐng)域之一。以腦電信號的采集方式為標(biāo)準(zhǔn),BCI系統(tǒng)可以分為侵入式BCI和非侵入式BCI。其中基于穩(wěn)態(tài)視覺誘發(fā)電位(SSVEP)和運動想象(MI)的非侵入式BCI是目前研究和應(yīng)用最廣泛的BCI系統(tǒng)。由于腦電信號弱、噪聲大、偽跡多,對腦電信號的分析造成巨大干擾。利用相關(guān)腦電信號預(yù)處理方法能有效去除偽跡、噪音數(shù)據(jù),提高腦電信號的信噪比,為之后的腦電信號特征提取、分類提供更準(zhǔn)確的有效數(shù)據(jù)。首先,本文提出了一種帶通道選擇的共空間模式算法(CS-CSP),采用基于遺傳算法的通道選擇算法對CSP算法得到的特征向量降維,提升分類效果。實驗結(jié)果分析表明,切比雪夫II型濾波優(yōu)于常規(guī)預(yù)處理方法,且?guī)ǖ肋x擇的共空間模式算法分類正確率較未采用通道選擇的原始算法有較大提升。其次,在基于多變量同步指數(shù)的多導(dǎo)頻率識別算法的基礎(chǔ)上,提出了改進(jìn)的基于多變量同步指數(shù)與獨立成分分析的多導(dǎo)頻率識別算法(MSI-ICA),采用公開數(shù)據(jù)集與典型相關(guān)分析(CCA)、基于濾波器組典型相關(guān)分析(FBCCA)等算法進(jìn)行對比。實驗結(jié)果表明,MSI-ICA算法在分類準(zhǔn)確度和信息傳輸率等方面都優(yōu)于對比算法。最后,獲取符合要求的腦電信號是腦機接口研究工作的前提。本文詳細(xì)介紹了視覺刺激器的研究、設(shè)計和實現(xiàn)步驟,并針對各種刺激參數(shù)的選擇做了說明,并使用Python平臺的Pygame庫實現(xiàn)了視覺刺激器的軟件原型系統(tǒng),論文最后介紹了腦電信號采集系統(tǒng)和刺激范式的設(shè)計。
【學(xué)位單位】：南京航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R318;TN911.7
【部分圖文】：

Theta（ ） 4~7Hz 成人情緒受到壓力時，尤其是失望或挫折Alpha（ ） 8~12Hz 放松、平靜、閉眼但很清醒時Beta（ ）低頻 12.5~16Hz 放松但精神集中中頻 16.5~20Hz 思考、處理接收到外界信息高頻 20.5~28Hz 激動、焦慮Gamma（ ）25~40Hz 提高意識、幸福感、減輕壓力、冥想Lambda（ ） 誘發(fā)電位 眼睛受光刺激時 100ms 后誘發(fā)P300 誘發(fā)電位 看到或聽到腦中想象的東西時 300ms 后誘發(fā)1.1.2 研究意義中國正處于人口老齡化的加速階段，老年人口的數(shù)量和所占比例都在持續(xù)增長。如圖 1.1所示[2]，專家預(yù)測 2050 年時，60 歲以上老年人將達(dá)到 4 億人口。其中，80 歲以上老年人將占比 25%左右[3]。有調(diào)研報告顯示[4]，我國老年人大部分時間都需要他人照料和護(hù)理。由于老年人生活自理能力降低，未來老年人的看護(hù)和長期護(hù)理需求量將增大。然而我國養(yǎng)老產(chǎn)業(yè)發(fā)展緩慢，逐年遞增的老年人口數(shù)量必將給市場帶來沉重壓力，因而形成服務(wù)設(shè)施供需嚴(yán)重不足的局面[5]。

SMRs）的腦機接口：MI 引發(fā)的 ERD 和ERS 通常出現(xiàn)在 和 節(jié)律所在的 8~12Hz 和 18~26Hz 范圍內(nèi)。如圖1.5（c）所示，受試者在做想象左手運動或者想象右手運動時，在大腦對側(cè)運動感覺區(qū)域中的 節(jié)律和 節(jié)律的幅值會降低，而在相同側(cè)的運動感覺區(qū)域中 節(jié)律和 節(jié)律的幅值會增高，這種電生理現(xiàn)象被稱為ERD 和 ERS。在 Wadsworth 研究團(tuán)隊開發(fā)的 BCI 系統(tǒng)中，受試者成功通過感覺運動節(jié)律控制三維光標(biāo)的移動[31, 32]。Graz BCI 研究團(tuán)隊的 Pfurtscheller 實現(xiàn)了一個多信號分類的腦機接口系統(tǒng)[33, 34]，能區(qū)分受試者對身體不同區(qū)域運動想象產(chǎn)生的 ERD/ERS 信號。圖 1.4 為基于想象運動的腦機接口系統(tǒng)原理示意[6]。

圖 3.2 各方法在數(shù)據(jù)集 I 上的識別準(zhǔn)確率由圖 3.2 可以看出，獨立成分分析與主成分分析的效果比較接近，切比雪夫 II 型濾波器沃夫濾波器效果比較接近。切比雪夫 II 型低通濾波器在該數(shù)據(jù)集上的平均識別準(zhǔn)確率基 90%，而 PCA 和 ICA 的效果都不太理想。這是因為這些算法都將原始腦電信號分解成信號，通過篩選去掉不需要的子信號，從而達(dá)到去除偽跡的效果。而篩選不需要的子信步驟需要人工通過經(jīng)驗進(jìn)行判斷，所以引入了較大的誤差。.2 濾波方法在不同參數(shù)時效果對比由 3.5.1 節(jié)各預(yù)處理方法在兩個數(shù)據(jù)集上的實驗效果來看，切比雪夫 II 型濾波器與巴特濾波器效果較為理想。我們知道人體在自然的靜息狀態(tài)下腦電波的主要成分是 波~15Hz），含有少量 波（4~7Hz）及 波（12.5~28Hz）。所以，我們猜測濾波效果的好壞波器截止頻率等參數(shù)的選擇有關(guān)系。表 3.2 不同通帶截止頻率在數(shù)據(jù)集 I 上的識別準(zhǔn)確率濾波方法通帶截止頻率

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韋曉燕;陳子怡;周毅;;基于多尺度排列熵的腦電信號分類[J];中國數(shù)字醫(yī)學(xué);2019年05期

2 王曉麗;;基于深度學(xué)習(xí)的癲癇腦電信號分析與預(yù)測[J];長春大學(xué)學(xué)報;2019年06期

3 王薇蓉;張雪英;孫穎;暢江;;關(guān)于腦電信號的情感優(yōu)化識別仿真[J];計算機仿真;2018年06期

4 郭婷儀;李素芳;鐘桂仙;曾佳璇;周酥;;基于腦電信號的耳鳴識別算法研究[J];科技傳播;2018年13期

5 左晶;萬小勤;羅楊;鄭斌;陳斌林;任祥花;;癲癇腦電信號的相關(guān)性分析[J];電子世界;2017年05期

6 張娜;唐賢倫;劉慶;;基于半監(jiān)督學(xué)習(xí)的腦電信號特征提取及識別[J];工程科學(xué)與技術(shù);2017年S2期

7 石喬莉;王延輝;李信政;;基于腦電信號的駕駛疲勞的研究[J];世界最新醫(yī)學(xué)信息文摘;2017年55期

8 王恒;李念強;齊鵬沖;;運動想象腦電信號特征的提取與分類[J];工業(yè)控制計算機;2015年02期

9 李亞杰;宋明星;張玉棟;;腦電信號采集系統(tǒng)的設(shè)計[J];河北建筑工程學(xué)院學(xué)報;2014年01期

10 蔡超峰;張勇;郭舒婷;姜利英;;思維腦電信號的關(guān)聯(lián)維數(shù)分析[J];河南科技大學(xué)學(xué)報(自然科學(xué)版);2012年01期

相關(guān)會議論文 前10條

1 薛蘊全;王秋英;王宏;;腦電信號的動態(tài)時空響應(yīng)拓?fù)鋱D[A];中國儀器儀表學(xué)會第三屆青年學(xué)術(shù)會議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號診斷專家系統(tǒng)的研究[A];中國生理學(xué)會第21屆全國代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2002年

3 李凌;曾慶寧;堯德中;;利用兩級抗交叉串?dāng)_自適應(yīng)濾波器提取誘發(fā)腦電信號[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

4 朱林劍;包海濤;孫守林;梁豐;;新型腦電信號采集方法與應(yīng)用研究[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

5 張丹丹;丁海艷;侯新琳;葉大田;;新生豬缺氧缺血實驗中腦電信號的偽差分析[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（上冊）[C];2007年

6 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

7 胡楠;徐進(jìn);鄭崇勛;;不同麻醉深度下腦電信號的復(fù)雜度研究[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

8 歐陽軼;鄭崇勛;張崇;;基于腦電小波熵的生理性精神疲勞分析[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

9 許濤;朱林劍;包海濤;;基于思維腦電信號的假手的研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

10 童珊;黃華;陳槐卿;;混沌理論在腦電信號分析中的應(yīng)用[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

相關(guān)重要報紙文章 前8條

1 記者 張夢然;腦電信號神經(jīng)反饋訓(xùn)練可增強抗壓性[N];科技日報;2018年

2 本報記者 張佳星;腦電波讀出容易，讀懂很難[N];科技日報;2019年

3 本報記者 曾福泉 鄭文 通訊員 吳雅蘭 柯溢能;人機合一，未來已來[N];浙江日報;2020年

4 科學(xué)作者 譯者 猛瑪;如何做到真正的因材施教[N];電腦報;2016年

5 本報記者 張曉鳴;用腦電波開車，這不是開玩笑[N];文匯報;2015年

6 本報特約撰稿人 陸志城;我思，故我動[N];醫(yī)藥經(jīng)濟(jì)報;2003年

7 蘭順正;讓人與機器連接更便捷[N];中國國防報;2019年

8 本報記者 馮海波 通訊員 劉慧嬋 祝和平;大學(xué)生創(chuàng)意閃耀的舞臺[N];廣東科技報;2011年

相關(guān)博士學(xué)位論文 前10條

1 李明陽;基于復(fù)合域分析的癲癇腦電信號檢測算法研究[D];吉林大學(xué);2018年

2 張濤;基于模糊分布熵和復(fù)值模糊分布熵的癲癇腦電信號自動分類算法研究[D];吉林大學(xué);2019年

3 韓凌;腦電信號同步分析及癲癇發(fā)作預(yù)測方法研究[D];東北大學(xué);2016年

4 趙麗;基于腦電信號的腦-機接口技術(shù)研究[D];天津大學(xué);2004年

5 繆曉波;基于腦電信號的認(rèn)知動力學(xué)系統(tǒng)研究——線性/非線性方法及動態(tài)時—頻—空分析[D];重慶大學(xué);2004年

6 徐鵬;信號的稀疏分解及其在腦電信號處理中的應(yīng)用研究[D];電子科技大學(xué);2006年

7 伍亞舟;基于想象左右手運動思維腦電BCI實驗及識別分類研究[D];第三軍醫(yī)大學(xué);2007年

8 唐艷;基于時間、頻率和空間域的自發(fā)腦電信號提取[D];中南大學(xué);2008年

9 陳東偉;非線性動力學(xué)、因果腦網(wǎng)絡(luò)與聚類穩(wěn)定性在腦電信號分析中的應(yīng)用研究[D];太原理工大學(xué);2015年

10 馬小飛;認(rèn)知任務(wù)下的腦電動力學(xué)分析[D];南京大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 楊濟(jì)維;基于半監(jiān)督深度學(xué)習(xí)的腦電信號特征提取及識別[D];重慶郵電大學(xué);2019年

2 張海濤;基于EEG信號的癲癇發(fā)作狀態(tài)分析方法研究[D];重慶郵電大學(xué);2019年

3 李丹妮;基于運動想象腦電信號的特征提取和分類算法研究[D];重慶郵電大學(xué);2019年

4 高峰星;基于情感腦電信號的分類研究[D];重慶郵電大學(xué);2019年

5 朱延龍;基于穩(wěn)態(tài)視覺誘發(fā)的腦電信號分類算法研究[D];南京航空航天大學(xué);2019年

6 張美妍;基于EEG警覺狀態(tài)檢測方法及實驗研究[D];哈爾濱工業(yè)大學(xué);2019年

7 盛彬;基于信息融合的駕駛危險場景分析識別研究[D];哈爾濱工業(yè)大學(xué);2019年

8 葉彥斌;基于壓縮感知的腦電數(shù)據(jù)壓縮及FPGA實現(xiàn)[D];華南理工大學(xué);2019年

9 劉博翰;基于腦電信號的導(dǎo)聯(lián)篩選及可解釋情緒分類模型研究[D];華南理工大學(xué);2019年

10 沈玉潤;深度學(xué)習(xí)在腦電信號特征提取及分類中的應(yīng)用[D];上海交通大學(xué);2018年

本文編號：2823357