腦機接口（Brain Computer Interface,BCI）是一種人機交互系統(tǒng),不依賴于人的神經(jīng)通路,通過腦電信號（Electroencephalogram,EEG）和外界進行交流。由于其廣泛的應用價值近年來已經(jīng)成為腦科學、醫(yī)療康復、自動控制等領(lǐng)域的研究熱點。由于腦電信號是一種非平穩(wěn)的隨機信號,因此提取有效的信號特征集是整個腦機接口系統(tǒng)中十分重要的環(huán)節(jié)。論文研究了兩類運動想象任務腦電信號的特征提取算法,內(nèi)容主要為以下兩個方面:（1）基于運動想象和休息兩分類的思維任務數(shù)據(jù),選用了現(xiàn)代功率譜中的自回歸模型（AR）模型參數(shù)估計對運動想象信號進行頻譜估計。針對實際AR模型階數(shù)往往是未知的問題,本文提出了一種基于采樣率來選取模型階數(shù)的方法,將這種方法與其他選階法進行分析對比,根據(jù)事件相關(guān)去同步化/同步化（ERD/ERS）現(xiàn)象和T檢驗結(jié)果驗證了該方法的優(yōu)越性。（2）選取競賽數(shù)據(jù)中的左右手運動想象兩任務數(shù)據(jù),針對運動想象數(shù)據(jù)特征提取算法中出現(xiàn)的無法準確描述非平穩(wěn)信號、計算困難等一系列的問題,本文提出一種將經(jīng)驗模態(tài)分解（Empirical Mode Decomposition,EMD）和自適應... 

【文章來源】：南昌大學江西省 211工程院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖１．１?ＢＣＩ系統(tǒng)示意圖??（１）信號的采集裝置??

?第１章緒論???ｊ?？?？?０?？?？Ｎ．??ＭＯ?Ｏ?？?Ｏ?ＯＮ??Ｍｒ：ｉ?．．．ｈ?？？?ｆｒ??＼?〇?Ｏ?〇?Ｏ?〇?／??又。ｏ？少??圖１．２國際標準導聯(lián)放置系統(tǒng)??（２）預處理和特征提取??采集到的ＥＥＧ信號常常伴有低頻地肌電信號、工頻感染、眼電偽跡，所以??要對其進行預處理以此來提高信號的信噪比。特征提取選取的算法會直接影響??分類效果，但是過于負責的算法又會影響信息的傳輸效率、增大計算量，所以在??選取特征提取算法的時候要綜合考慮簡單高效的算法，例如Ｍｔｉｌｌｅｒ－Ｇｅｒｋｉｎｇ在??１９９９年提出共空間模式（ｃｏｍｍｏｎｓｐａｔｉａｌｐａｔｔｅｒｎ，?ＣＳＰ）算法［２２］，適用于多導聯(lián)的??裝置，ＣＳＰ算法在國際競賽中得到廣泛使用，均取得了較好的分類效果，但是計??算量過大，不適合在線實時腦機系統(tǒng)的信號處理。??（３）分類算法（模式識別）??分類器通過對特種訓練集進行訓練，將訓練好的分類器對ＥＥＧ信號進行意??圖識別，以此來控制外部設(shè)備。在對腦電信號進行分類時，線性判別分析（ＬＤＡ）??是較為常見的二分類算法，在國際競賽中廣泛使用取得了較好的效果［２〃４］，支持??向量機［２５］（ＳＶＭ）也支持對不同思維任務信號分類，使用較為廣泛。??（４）外部控制設(shè)備??經(jīng)過分類器識別出來的指令用于控制外部的設(shè)備，如計算機軟件、輪椅、神??經(jīng)假肢等。在整套腦機接口系統(tǒng)中，每一部分的好壞都將影響最終的意圖識別，??也會影響在線系統(tǒng)的時效性和穩(wěn)定性。??根據(jù)控制方式的不同可劃分為同步系統(tǒng)和異步系統(tǒng)，同步系統(tǒng)的原理是在??受試者受到反饋的時間段內(nèi)進行特定的思維任務，目前大部分實驗室使用和研??究

?第１章緒論???圖１．５?Ｐ３００打字系統(tǒng)的實驗范式??實驗屏幕為一個６＊６的矩陣，３６個單元格，每個單元格都是一個字符或符??號�；冢校常埃暗模拢茫上到y(tǒng)不需要自我誘發(fā)，用戶需要將注意力集中在其中的一??個字母上，矩陣的上的每行每列會以隨機順時序閃爍每一行和每一列，持續(xù)時間??為１００ｍｓ，在一輪１２次的閃爍中，目標字母所在的單元格只會閃爍兩次，而與??其他各行各列１０次閃爍相比，形成少數(shù)事件，進而產(chǎn)生Ｐ３００信號。??（４）基于ＳＳＶＥＰ的腦機接口系統(tǒng)??ＳＳＶＥＰ是視網(wǎng)膜神經(jīng)受到一個指定頻率視覺刺激時，在腦皮質(zhì)枕葉區(qū)產(chǎn)生??與刺激頻率相關(guān)頻率的腦電信號［３２Ｌ和其他的腦機接口系統(tǒng)相比，ＳＳＶＥＰ具有??更高的信息傳輸率、訓練周期短，所以被廣泛的應用在多類腦一機接口系統(tǒng)中。??Ｓｕｔｔｅｒ研發(fā)了一款基于ＳＳＶＥＰ的打字系統(tǒng)，主界面是一個８＊８的矩陣，矩??陣中的每個單元格按照不同的頻率閃爍，用戶看不同的單元格誘發(fā)相關(guān)的??ＳＳＶＥＰ信號來實現(xiàn)打字，系統(tǒng)每分鐘可以完成１０－１２個單詞的輸入［３３１。??ＭｉｎＨｙｅＣｈａｎｇ開發(fā)了一種幅值可調(diào)制的ＳＳＶＥＰ系統(tǒng)，能夠有效改善ＢＣＩ系統(tǒng)的??性能［３４］。ＨｗａｎｇＨＪ研發(fā)了一款基于ＱＷＥＲＴＹ樣式的鍵盤系統(tǒng)，速度可達４０．７２??比特／分鐘，準確率也很高［３５］。??１．２腦機接口研究現(xiàn)狀??在１９７０年，美國成立了第一支腦機接口研究小組，該研究小組在基于應用??視覺誘發(fā)電位的基礎(chǔ)上，實現(xiàn)了對屏幕上指針的二維運動的控制［３５］。目前，國內(nèi)??外的ＢＣＩ研究工作組已有上百個，大部分的工作都是對腦卒中、ＡＬＳ病人的研??６??

【參考文獻】：
期刊論文
[1]腦機接口的現(xiàn)狀與未來[J]. 高上凱.  機器人產(chǎn)業(yè). 2019(05)
[2]大腦神經(jīng)聯(lián)接圖譜的研究進展[J]. 孫樂,杜久林.  中國科學:生命科學. 2018(03)
[3]基于相位同步與AR的運動想象腦電信號特征提取研究[J]. 劉琳琳,陳健,李松,許麗.  軟件導刊. 2018(03)
[4]腦機接口技術(shù)的研究與展望[J]. 堯俊瑜,鄔長杰.  現(xiàn)代計算機(專業(yè)版). 2017(26)
[5]“腦控汽車”在南開大學“開跑”[J]. 張建新,喬仁銘.  農(nóng)家參謀. 2015(08)
[6]腦電EEG信號的分析方法[J]. 黃小娜,石硯.  甘肅科技. 2010(09)
[7]腦機接口技術(shù)在康復中的應用[J]. 陸蓉蓉,吳毅.  中華物理醫(yī)學與康復雜志. 2009 (10)
[8]基于AR模型的腦-機接口問題研究[J]. 唐艷,柳建新,鄒清.  計算機工程與應用. 2009(01)
[9]腦電處理的Wigner分布交叉項的模糊濾波[J]. 譚旭平,劉建成.  北京生物醫(yī)學工程. 2008(05)
[10]腦機接口系統(tǒng)中的交互技術(shù)研究[J]. 岳敬偉,葛瑜,周宗潭,胡德文.  計算機測量與控制. 2008(08)

碩士論文
[1]腦機接口結(jié)合功能電刺激對腦卒中慢性期大腦可塑性的影響[D]. 寇程.中國人民解放軍醫(yī)學院 2013
[2]基于P300的在線腦機接口系統(tǒng)[D]. 張劍慧.浙江大學 2010
[3]平穩(wěn)AR模型階數(shù)的貝葉斯因子判據(jù)[D]. 彭家龍.華中科技大學 2007



本文編號：3017378