基于腦電信號(hào)（Electroencephalogram,EEG）的運(yùn)動(dòng)想象腦機(jī)接口可以為人體提供一個(gè)不依賴(lài)人體外周神經(jīng)和肌肉組織交流的方式。腦控機(jī)器人以腦機(jī)接口為基礎(chǔ),結(jié)合了機(jī)器人控制技術(shù),實(shí)現(xiàn)了通過(guò)人類(lèi)大腦控制機(jī)器人來(lái)完成一系列動(dòng)作。腦電信號(hào)的強(qiáng)度微弱、隨機(jī)性大且敏感度高,非常容易被眼部、心臟噪聲等外界偽跡干擾。此外,實(shí)現(xiàn)腦控機(jī)器人的任務(wù)執(zhí)行準(zhǔn)確性和實(shí)時(shí)性的難題之一便是如何提取運(yùn)動(dòng)想象腦電信號(hào)特征,不同的受試者之間腦電信號(hào)也存在較大的差異性,導(dǎo)致運(yùn)動(dòng)想象EEG信號(hào)分類(lèi)準(zhǔn)確率不高的問(wèn)題�；谝陨洗嬖诘膯�(wèn)題,研究腦電信號(hào)偽跡消除和特征提取方法很有必要。本文研究了基于組信息指導(dǎo)的獨(dú)立成分分析方法的運(yùn)動(dòng)想象EEG信號(hào)偽跡消除方法,基于腦網(wǎng)絡(luò)的多域融合多尺度特征提取算法,優(yōu)化特征向量,提高多類(lèi)運(yùn)動(dòng)想象腦電信號(hào)的分類(lèi)正確率,設(shè)計(jì)并實(shí)現(xiàn)一個(gè)基于運(yùn)動(dòng)想象EEG信號(hào)的腦控機(jī)器人實(shí)驗(yàn)平臺(tái)。主要研究工作如下:（1）由于EEG信號(hào)會(huì)不可避免地受到其它偽跡信號(hào)的干擾,提出一種基于組信息指導(dǎo)的獨(dú)立成分分析方法,使得多個(gè)不同受試者之間分解出的獨(dú)立成分具有對(duì)應(yīng)性,減弱參考量選取的敏感性,提高算法的魯棒性。實(shí)驗(yàn)結(jié)果表... 

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題來(lái)源
    1.2 課題研究背景、目的和意義
    1.3 相關(guān)領(lǐng)域國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 運(yùn)動(dòng)想象腦電信號(hào)偽跡消除方法研究現(xiàn)狀
        1.3.2 運(yùn)動(dòng)想象腦電信號(hào)特征提取方法研究現(xiàn)狀
        1.3.3 運(yùn)動(dòng)想象腦控機(jī)器人研究現(xiàn)狀
    1.4 論文研究?jī)?nèi)容和結(jié)構(gòu)安排
        1.4.1 論文主要研究?jī)?nèi)容
        1.4.2 論文結(jié)構(gòu)安排
第2章 基于GIG-ICA的運(yùn)動(dòng)想象EEG信號(hào)偽跡消除算法研究
    2.1 EEG信號(hào)的采集及預(yù)處理
        2.1.1 EEG信號(hào)的采集
        2.1.2 EEG信號(hào)的預(yù)處理
    2.2 基于ICA的偽跡消除改進(jìn)算法
        2.2.1 基于ICA的偽跡消除算法
        2.2.2 基于GIG-ICA偽跡消除算法
    2.3 實(shí)驗(yàn)結(jié)果與分析
        2.3.1 模擬數(shù)據(jù)離線分析
        2.3.2 運(yùn)動(dòng)想象信號(hào)離線數(shù)據(jù)
    2.4 本章小結(jié)
第3章 基于腦網(wǎng)絡(luò)的多尺度特征提取算法研究
    3.1 腦功能網(wǎng)絡(luò)的構(gòu)建
        3.1.1 復(fù)雜網(wǎng)絡(luò)的描述
        3.1.2 構(gòu)建EEG腦功能網(wǎng)絡(luò)步驟
    3.2 多尺度特征提取算法
        3.2.1 常用特征提取算法
        3.2.2 共空間模式與局部特征尺度分解算法
        3.2.3 基于腦網(wǎng)絡(luò)的多尺度特征融合與分類(lèi)算法
    3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第4章 基于運(yùn)動(dòng)想象的腦控NAO機(jī)器人實(shí)驗(yàn)平臺(tái)設(shè)計(jì)
    4.1 腦控機(jī)器人實(shí)驗(yàn)平臺(tái)框架設(shè)計(jì)
        4.1.1 運(yùn)動(dòng)想象信號(hào)采集模塊設(shè)計(jì)
        4.1.2 信號(hào)處理模塊設(shè)計(jì)
        4.1.3 腦控NAO機(jī)器人交互界面設(shè)計(jì)
    4.2 運(yùn)動(dòng)想象腦控機(jī)器人實(shí)驗(yàn)設(shè)計(jì)
    4.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 全文工作總結(jié)
    5.2 下一步工作展望
致謝
參考文獻(xiàn)
作者在攻讀碩士學(xué)位期間取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于小波包和深度信念網(wǎng)絡(luò)的腦電特征提取方法[J]. 李明愛(ài),張夢(mèng),孫炎珺.  電子測(cè)量與儀器學(xué)報(bào). 2018(01)
[2]眼電偽跡自動(dòng)識(shí)別與去除的新方法[J]. 李明愛(ài),郭碩達(dá),田曉霞,楊金福,郝冬梅.  電子學(xué)報(bào). 2016(05)
[3]基于獨(dú)立分量?jī)?yōu)化子帶特征的三類(lèi)運(yùn)動(dòng)想象分類(lèi)[J]. 康莎莎,周蚌艷,吳小培.  生物醫(yī)學(xué)工程學(xué)雜志. 2016(02)
[4]基于HHT運(yùn)動(dòng)想象腦電模式識(shí)別研究[J]. 孫會(huì)文,伏云發(fā),熊馨,楊俊,劉傳偉,余正濤.  自動(dòng)化學(xué)報(bào). 2015(09)
[5]眼電偽跡自動(dòng)去除方法的研究與分析[J]. 李明愛(ài),梅意城,孫炎珺,楊金福.  儀器儀表學(xué)報(bào). 2014(11)
[6]Hilbert-Huang變換在情感腦電特征提取中的應(yīng)用[J]. 楊鵬圓,李海芳,陳東偉.  計(jì)算機(jī)工程與設(shè)計(jì). 2014(07)
[7]基于運(yùn)動(dòng)相關(guān)皮層電位握力運(yùn)動(dòng)模式識(shí)別研究[J]. 伏云發(fā),徐保磊,李永程,李洪誼,王越超,余正濤.  自動(dòng)化學(xué)報(bào). 2014(06)
[8]一種基于盲源分離的眼電偽跡自動(dòng)去除方法[J]. 計(jì)瑜,沈繼忠,施錦河.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2013(03)
[9]基于運(yùn)動(dòng)想象腦電的上肢康復(fù)機(jī)器人[J]. 徐寶國(guó),彭思,宋愛(ài)國(guó).  機(jī)器人. 2011(03)
[10]一種基于運(yùn)動(dòng)想象的腦-機(jī)接口時(shí)空濾波器迭代算法[J]. 段放,高小榕.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2011(01)

博士論文
[1]猴子伸—抓動(dòng)作在大腦運(yùn)動(dòng)皮層中的表征及解碼[D]. 郝耀耀.浙江大學(xué) 2013

碩士論文
[1]基于運(yùn)動(dòng)想象腦電的手臂運(yùn)動(dòng)功能康復(fù)研究[D]. 崔燕.北京工業(yè)大學(xué) 2013



本文編號(hào)：3729772