腦-機接口(Brain-Computer Interface,BCI)是一種基于腦電(Electroencephalogram,EEG)信號的新型人-機交互技術。它通過采集和解碼腦電圖中規(guī)律性特征,在大腦和外部設備之間建立不依賴外周神經和肌肉的直接信息交互通道。該技術可以讓神經肌肉受損但大腦功能正常的殘疾人與計算機或外部設備進行通信�；谶\動想象的腦-機接口將大腦感覺運動皮層mu/beta節(jié)律幅度的變化作為檢測依據,是目前BCI技術領域的研究熱點。目前關于運動想象腦-機接口(Motor Imagery BCI,MIBCI)的各種理論和算法相繼被提出,在一定程度上提升了MIBCI系統(tǒng)的性能。但MIBCI系統(tǒng)在走向實用化過程中仍存在許多問題,如系統(tǒng)識別精度低、異步控制困難等。作為BCI系統(tǒng)的核心技術,特征提取和分類算法的優(yōu)劣將直接影響整個BCI系統(tǒng)的性能。本文首先通過離線分析,對基于共同空間模式(Common Spatial Pattern,CSP)的BCI參數選擇進行了研究,然后比較了三種基于運動想象EEG(Motor Imagery EEG,MIEEG)特征的分類方法,最后從自測試與遷...

【文章頁數】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 腦-機接口系統(tǒng)的組成
    1.3 腦-機接口系統(tǒng)的分類
    1.4 腦-機接口的發(fā)展歷程和研究現狀
    1.5 運動想象腦-機接口面臨的問題
    1.6 本文的主要內容和章節(jié)安排
第二章 運動想象腦-機接口的研究基礎
    2.1 腦電信號的概述
        2.1.1 腦電信號產生的機理
        2.1.2 腦電信號的特點
        2.1.3 腦電信號的分類
    2.2 運動想象腦電信號
        2.2.1 腦電信號的采集
        2.2.2 事件相關同步和事件相關去同步
    2.3 腦電信號的分析方法
    2.4 本章小結
第三章 運動想象腦電數據特征提取和分類算法
    3.1 CSP特征提取算法
        3.1.1 CSP算法概述
        3.1.2 多分類CSP算法
        3.1.3 CSP空域濾波器設計
    3.2 ICA特征提取算法
        3.2.1 ICA算法概述
        3.2.2 Infomax ICA算法
        3.2.3 ICA空域濾波器設計
    3.3 運動想象腦電分類方法
        3.3.1 支持向量機分類器
        3.3.2 BP神經網絡
    3.4 本章小結
第四章 基于離線腦電數據的特征提取和分類算法分析
    4.1 離線數據的獲取
        4.1.1 MIEEG自主采集
        4.1.2 實驗室MIEEG公開數據庫
    4.2 基于CSP的參數選擇和分析
        4.2.1 頻段的選取和分析
        4.2.2 訓練樣本個數的選擇與分析
        4.2.3 運動想象數據段的選取和分析
    4.3 分類器的選取和分析
    4.4 ICA和 CSP的對比和分析
    4.5 本章小結
第五章 基于腦電節(jié)律波的在線腦-機接口系統(tǒng)
    5.1 MIBCI在線系統(tǒng)方案設計
    5.2 MIBCI系統(tǒng)的軟件設計
        5.2.1 信號在線采集與預處理
        5.2.2 濾波器在線設計
        5.2.3 alpha波異步控制
        5.2.4 運動想象分類與外設控制
    5.3 實驗過程
    5.4 實驗結果與分析
    5.5 討論
    5.6 本章小結
第六章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝
作者攻讀碩士學位期間取得的學術成果



本文編號：3798804