發(fā)布時(shí)間：2022-01-22 16:39

　　深度學(xué)習(xí)促進(jìn)了智能識(shí)別技術(shù)的快速發(fā)展,同時(shí)人們對(duì)大腦的研究也處于方興未艾的狀態(tài)。情緒是大腦活動(dòng)的表現(xiàn)形式,情緒對(duì)人類的生活和生產(chǎn)有著巨大的影響,如何智能地識(shí)別人類情緒就變得十分重要。本文的研究方向是研制一種能夠在非實(shí)驗(yàn)室環(huán)境下進(jìn)行穩(wěn)定數(shù)據(jù)采集的腦電信號(hào)采集系統(tǒng),使用深度學(xué)習(xí)的相關(guān)算法實(shí)現(xiàn)基于本研究石墨烯電極采集數(shù)據(jù)的情緒識(shí)別效果。首先,本文通過(guò)在微觀結(jié)構(gòu)上的創(chuàng)新,研制了一種新型石墨烯復(fù)合材料腦電電極,嘗試通過(guò)此電極對(duì)大腦皮層外的腦電信號(hào)進(jìn)行采集;其次,基于遞歸神經(jīng)網(wǎng)絡(luò)在腦電信號(hào)識(shí)別領(lǐng)域的廣泛使用,本文使用兩種遞歸神經(jīng)網(wǎng)絡(luò)模型進(jìn)行改進(jìn),選擇一種識(shí)別準(zhǔn)確率高的模型;最后,使用前面選擇的網(wǎng)絡(luò)模型,對(duì)比本研究的石墨烯電極采集的數(shù)據(jù)集和傳統(tǒng)電極采集的數(shù)據(jù)集在相同參數(shù)下輸出的識(shí)別率,進(jìn)而評(píng)判本研究石墨烯電極的性能。為達(dá)到以上目標(biāo),本文的主要工作內(nèi)容如下:第一,本文首先通過(guò)大量硬件性能對(duì)比實(shí)驗(yàn),獨(dú)立發(fā)現(xiàn)石墨烯材料上構(gòu)造微觀結(jié)構(gòu)具有較為優(yōu)異的電學(xué)特性,將其制備成矩陣化金字塔結(jié)構(gòu)石墨烯電極;然后使用柔性電路板作為基底,將矩陣化金字塔結(jié)構(gòu)石墨烯電極通過(guò)本文研制的工藝制備成腦電電極器件。第二,本文首先把上述... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
注釋表
第1章 引言
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 情緒識(shí)別技術(shù)研究現(xiàn)狀
        1.2.2 EEG檢測(cè)技術(shù)研究現(xiàn)狀
        1.2.3 腦電采集電極研究現(xiàn)狀
        1.2.4 智能識(shí)別算法研究現(xiàn)狀
    1.3 論文主要工作
    1.4 論文組織結(jié)構(gòu)
第2章 石墨烯腦電電極的研究與制備
    2.1 硅片模板制作方案
    2.2 電極的制備
    2.3 電極的表征
        2.3.1 SEM表面表征
        2.3.2 EDS表征分析
    2.4 電極的電學(xué)特性
        2.4.1 參照對(duì)比電極
        2.4.2 阻抗特性
        2.4.3 I-V源測(cè)量單元特性
        2.4.4 矩陣化金字塔結(jié)構(gòu)石墨烯電極的彎曲性檢測(cè)
    2.5 本章小結(jié)
第3章 腦電信號(hào)數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)與數(shù)據(jù)采集
    3.1 模塊介紹
        3.1.1 腦電信號(hào)采集模塊
        3.1.2 腦電信號(hào)選通模塊
        3.1.3 腦電信號(hào)處理與通訊模塊
    3.2 系統(tǒng)介紹
        3.2.1 單通道腦電信號(hào)采集系統(tǒng)
        3.2.2 多通道腦電信號(hào)采集系統(tǒng)
    3.3 功能演示
    3.4 情緒數(shù)據(jù)采集
        3.4.1 數(shù)據(jù)采樣流程
        3.4.2 腦電數(shù)據(jù)采樣接收程序
        3.4.3 填表評(píng)價(jià)流程
        3.4.4 情緒數(shù)據(jù)采集使用設(shè)備
    3.5 本章小結(jié)
第4章 批量正則化優(yōu)化門控循環(huán)單元
    4.1 數(shù)據(jù)源的選擇
    4.2 長(zhǎng)短期記憶算法
        4.2.1 RNN算法原理
        4.2.2 LSTM算法原理
        4.2.3 LSTM算法存在的問(wèn)題
        4.2.4 LSTM算法實(shí)現(xiàn)
    4.3 門控循環(huán)單元算法
        4.3.1 GRU算法核心思想
        4.3.2 GRU算法實(shí)現(xiàn)
        4.3.3 GRU算法存在的問(wèn)題
    4.4 batch normalization原理
    4.5 batch normalization優(yōu)化GRU方案
        4.5.1 算法優(yōu)化總體思路
        4.5.2 算法優(yōu)化具體方案
    4.6 算法性能對(duì)比實(shí)驗(yàn)結(jié)論
        4.6.1 不同算法準(zhǔn)確率對(duì)比
        4.6.2 不同算法偏差值對(duì)比
    4.7 實(shí)驗(yàn)結(jié)果對(duì)比分析
    4.8 本章小結(jié)
第5章 新型電極和傳統(tǒng)電極對(duì)比實(shí)驗(yàn)及實(shí)驗(yàn)結(jié)果分析
    5.1 情緒識(shí)別的準(zhǔn)確率定義
    5.2 實(shí)驗(yàn)設(shè)備
    5.3 實(shí)驗(yàn)流程
    5.4 實(shí)驗(yàn)數(shù)據(jù)分析
        5.4.1 不同算法準(zhǔn)確率對(duì)比
        5.4.2 不同算法偏差值對(duì)比
    5.5 實(shí)驗(yàn)結(jié)果對(duì)比分析
    5.6 本章小結(jié)
第6章 結(jié)束語(yǔ)
    6.1 主要工作和創(chuàng)新點(diǎn)
    6.2 后續(xù)研究工作
參考文獻(xiàn)
附錄A 門控循環(huán)單元全局張量圖
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]石墨烯復(fù)合腈綸:這個(gè)冬天不來(lái)電[J]. 周文俊.  廣州化工. 2018(23)
[2]腦電信號(hào)識(shí)別方法的研究[J]. 魏曉熙.  通訊世界. 2017(21)
[3]中國(guó)道路交通事故鑒定歷史沿革與發(fā)展[J]. 俞春俊,李平凡,黃鋼,劉志剛.  中國(guó)司法鑒定. 2017(04)
[4]面向穿戴式腦電系統(tǒng)的主動(dòng)干電極傳感器[J]. 黃涌,郭旭宏,邢瀟,陳遠(yuǎn)方,裴為華,王毅軍,陳弘達(dá).  儀表技術(shù)與傳感器. 2017(02)
[5]基于MSVR和Arousal-Valence情感模型的表情識(shí)別研究[J]. 楊勇,黃文波,金裕成,顧西存.  重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[6]駕駛?cè)俗⒁饬Ψ稚⒌膱D像檢測(cè)與分級(jí)預(yù)警[J]. 程文冬,付銳,袁偉,劉卓凡,張名芳,劉通.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(08)
[7]新型EEG檢測(cè)干電極設(shè)計(jì)制備和測(cè)試研究[J]. 蓋淑萍,劉軍濤,劉欣陽(yáng),王力,蔡新霞.  儀器儀表學(xué)報(bào). 2016(01)
[8]電子血壓計(jì)質(zhì)量檢測(cè)方法與系統(tǒng)的研究[J]. 李學(xué)哲,潘玉民,李孝平,馮海美.  國(guó)外電子測(cè)量技術(shù). 2015(11)
[9]模擬駕駛環(huán)境下注意力評(píng)估系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 周天彤,葉志雄,孫偉,張廣燦,鄒凌.  計(jì)算機(jī)測(cè)量與控制. 2015(09)
[10]基于TGAM模塊和腦電波對(duì)音響音量的控制[J]. 肖迪,章文韜.  電腦知識(shí)與技術(shù). 2015(09)

博士論文
[1]腦電、眼動(dòng)信息與學(xué)習(xí)注意力及抑郁的中文相關(guān)性研究[D]. 李小偉.蘭州大學(xué) 2015

碩士論文
[1]基于深度學(xué)習(xí)的細(xì)胞譜系預(yù)測(cè)[D]. 王志丹.北京交通大學(xué) 2018
[2]基于遷移學(xué)習(xí)和Arousal-Valence情感模型的表情識(shí)別研究[D]. 劉川.重慶郵電大學(xué) 2017
[3]基于新型納米材料的EEG干電極的制備與應(yīng)用研究[D]. 宋延娟.天津理工大學(xué) 2017
[4]基于深度學(xué)習(xí)的腦電識(shí)別方法研究與應(yīng)用[D]. 張夢(mèng).北京工業(yè)大學(xué) 2016
[5]基于腦電波的注意力訓(xùn)練研究[D]. 肖嬋.華中師范大學(xué) 2016



本文編號(hào)：3602543