發(fā)布時(shí)間：2020-09-21 09:50

　　 腦-機(jī)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(jī)交互系統(tǒng),同時(shí)也是當(dāng)前腦科學(xué)研究中最熱門(mén)的領(lǐng)域之一。以腦電信號(hào)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(jué)誘發(fā)電位(SSVEP)和運(yùn)動(dòng)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(hào)弱、噪聲大、偽跡多,對(duì)腦電信號(hào)的分析造成巨大干擾。利用相關(guān)腦電信號(hào)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(hào)的信噪比,為之后的腦電信號(hào)特征提取、分類(lèi)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(duì)CSP算法得到的特征向量降維,提升分類(lèi)效果。實(shí)驗(yàn)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(lèi)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(shí)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(dú)立成分分析的多導(dǎo)頻率識(shí)別算法(MSI-ICA),采用公開(kāi)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(duì)比。實(shí)驗(yàn)結(jié)果表明,MSI-ICA算法在分類(lèi)準(zhǔn)確度和信息傳輸率等方面都優(yōu)于對(duì)比算法。最后,獲取符合要求的腦電信號(hào)是腦機(jī)接口研究工作的前提。本文詳細(xì)介紹了視覺(jué)刺激器的研究、設(shè)計(jì)和實(shí)現(xiàn)步驟,并針對(duì)各種刺激參數(shù)的選擇做了說(shuō)明,并使用Python平臺(tái)的Pygame庫(kù)實(shí)現(xiàn)了視覺(jué)刺激器的軟件原型系統(tǒng),論文最后介紹了腦電信號(hào)采集系統(tǒng)和刺激范式的設(shè)計(jì)。
【學(xué)位單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：R318;TN911.7
【部分圖文】：

Theta（ ） 4~7Hz 成人情緒受到壓力時(shí)，尤其是失望或挫折Alpha（ ） 8~12Hz 放松、平靜、閉眼但很清醒時(shí)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(dòng)、焦慮Gamma（ ）25~40Hz 提高意識(shí)、幸福感、減輕壓力、冥想Lambda（ ） 誘發(fā)電位 眼睛受光刺激時(shí) 100ms 后誘發(fā)P300 誘發(fā)電位 看到或聽(tīng)到腦中想象的東西時(shí) 300ms 后誘發(fā)1.1.2 研究意義中國(guó)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(zhǎng)。如圖 1.1所示[2]，專(zhuān)家預(yù)測(cè) 2050 年時(shí)，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(bào)告顯示[4]，我國(guó)老年人大部分時(shí)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(lái)老年人的看護(hù)和長(zhǎng)期護(hù)理需求量將增大。然而我國(guó)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(chǎng)帶來(lái)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(jī)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(yùn)動(dòng)或者想象右手運(yùn)動(dòng)時(shí)，在大腦對(duì)側(cè)運(yùn)動(dòng)感覺(jué)區(qū)域中的 節(jié)律和 節(jié)律的幅值會(huì)降低，而在相同側(cè)的運(yùn)動(dòng)感覺(jué)區(qū)域中 節(jié)律和 節(jié)律的幅值會(huì)增高，這種電生理現(xiàn)象被稱(chēng)為ERD 和 ERS。在 Wadsworth 研究團(tuán)隊(duì)開(kāi)發(fā)的 BCI 系統(tǒng)中，受試者成功通過(guò)感覺(jué)運(yùn)動(dòng)節(jié)律控制三維光標(biāo)的移動(dòng)[31, 32]。Graz BCI 研究團(tuán)隊(duì)的 Pfurtscheller 實(shí)現(xiàn)了一個(gè)多信號(hào)分類(lèi)的腦機(jī)接口系統(tǒng)[33, 34]，能區(qū)分受試者對(duì)身體不同區(qū)域運(yùn)動(dòng)想象產(chǎn)生的 ERD/ERS 信號(hào)。圖 1.4 為基于想象運(yùn)動(dòng)的腦機(jī)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(shí)別準(zhǔn)確率由圖 3.2 可以看出，獨(dú)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?yàn)V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(shí)別準(zhǔn)確率基 90%，而 PCA 和 ICA 的效果都不太理想。這是因?yàn)檫@些算法都將原始腦電信號(hào)分解成信號(hào)，通過(guò)篩選去掉不需要的子信號(hào)，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(guò)經(jīng)驗(yàn)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(shí)效果對(duì)比由 3.5.1 節(jié)各預(yù)處理方法在兩個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)效果來(lái)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(cè)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(shí)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(hào)分類(lèi)[J];中國(guó)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(hào)分析與預(yù)測(cè)[J];長(zhǎng)春大學(xué)學(xué)報(bào);2019年06期

3 王薇蓉;張雪英;孫穎;暢江;;關(guān)于腦電信號(hào)的情感優(yōu)化識(shí)別仿真[J];計(jì)算機(jī)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(hào)的耳鳴識(shí)別算法研究[J];科技傳播;2018年13期

5 左晶;萬(wàn)小勤;羅楊;鄭斌;陳斌林;任祥花;;癲癇腦電信號(hào)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(hào)特征提取及識(shí)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(hào)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(qiáng);齊鵬沖;;運(yùn)動(dòng)想象腦電信號(hào)特征的提取與分類(lèi)[J];工業(yè)控制計(jì)算機(jī);2015年02期

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

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

相關(guān)會(huì)議論文 前10條

1 薛蘊(yùn)全;王秋英;王宏;;腦電信號(hào)的動(dòng)態(tài)時(shí)空響應(yīng)拓?fù)鋱D[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號(hào)診斷專(zhuān)家系統(tǒng)的研究[A];中國(guó)生理學(xué)會(huì)第21屆全國(guó)代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2002年

3 李凌;曾慶寧;堯德中;;利用兩級(jí)抗交叉串?dāng)_自適應(yīng)濾波器提取誘發(fā)腦電信號(hào)[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)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(hào)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(shí)驗(yàn)中腦電信號(hào)的偽差分析[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

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

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

8 歐陽(yáng)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(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

9 許濤;朱林劍;包海濤;;基于思維腦電信號(hào)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(guó)家——2006中國(guó)科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

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

相關(guān)重要報(bào)紙文章 前8條

1 記者 張夢(mèng)然;腦電信號(hào)神經(jīng)反饋訓(xùn)練可增強(qiáng)抗壓性[N];科技日?qǐng)?bào);2018年

2 本報(bào)記者 張佳星;腦電波讀出容易，讀懂很難[N];科技日?qǐng)?bào);2019年

3 本報(bào)記者 曾福泉 鄭文 通訊員 吳雅蘭 柯溢能;人機(jī)合一，未來(lái)已來(lái)[N];浙江日?qǐng)?bào);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(bào);2016年

5 本報(bào)記者 張曉鳴;用腦電波開(kāi)車(chē)，這不是開(kāi)玩笑[N];文匯報(bào);2015年

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

7 蘭順正;讓人與機(jī)器連接更便捷[N];中國(guó)國(guó)防報(bào);2019年

8 本報(bào)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(tái)[N];廣東科技報(bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 李明陽(yáng);基于復(fù)合域分析的癲癇腦電信號(hào)檢測(cè)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(hào)自動(dòng)分類(lèi)算法研究[D];吉林大學(xué);2019年

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

4 趙麗;基于腦電信號(hào)的腦-機(jī)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(hào)的認(rèn)知?jiǎng)恿W(xué)系統(tǒng)研究——線性/非線性方法及動(dòng)態(tài)時(shí)—頻—空分析[D];重慶大學(xué);2004年

6 徐鵬;信號(hào)的稀疏分解及其在腦電信號(hào)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(yùn)動(dòng)思維腦電BCI實(shí)驗(yàn)及識(shí)別分類(lèi)研究[D];第三軍醫(yī)大學(xué);2007年

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

9 陳東偉;非線性動(dòng)力學(xué)、因果腦網(wǎng)絡(luò)與聚類(lèi)穩(wěn)定性在腦電信號(hào)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(dòng)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(hào)特征提取及識(shí)別[D];重慶郵電大學(xué);2019年

2 張海濤;基于EEG信號(hào)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(yùn)動(dòng)想象腦電信號(hào)的特征提取和分類(lèi)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(hào)的分類(lèi)研究[D];重慶郵電大學(xué);2019年

5 朱延龍;基于穩(wěn)態(tài)視覺(jué)誘發(fā)的腦電信號(hào)分類(lèi)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(jué)狀態(tài)檢測(cè)方法及實(shí)驗(yàn)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(xiǎn)場(chǎng)景分析識(shí)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(shí)現(xiàn)[D];華南理工大學(xué);2019年

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

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

本文編號(hào)：2823357