本文關(guān)鍵詞：基于漢字的多模態(tài)腦機(jī)交互技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：人機(jī)交互是一種研究人與系統(tǒng)(包括計(jì)算機(jī)以及機(jī)械設(shè)備等)信息交換的技術(shù)。腦機(jī)接口屬于一種新型人機(jī)交互方式,它不依賴于正常的外周神經(jīng)和肌肉組織,為大腦和外部設(shè)備建立了一條直接的通信渠道。目前腦機(jī)接口的主要信號為腦電信號,該信號來自非植入式的采集設(shè)備,具有成本低廉、操作方便和無損傷等優(yōu)點(diǎn)。本文針對基于自發(fā)腦電信號的腦機(jī)接口進(jìn)行了深入的研究,在充分分析離線實(shí)驗(yàn)數(shù)據(jù)的基礎(chǔ)上,構(gòu)建了在線腦機(jī)接口訓(xùn)練系統(tǒng),有效地提高了腦電信號的識別率。在自發(fā)腦電信號的基礎(chǔ)上設(shè)計(jì)了基于漢字默讀的語言想象腦機(jī)接口,對14位受試者進(jìn)行離線試驗(yàn)以采集腦電信號。采用事件相關(guān)譜擾動時(shí)頻分析算法為每位受試者確定合適的濾波范圍。根據(jù)該濾波范圍計(jì)算每個(gè)電極的事件相關(guān)(去)同步化。實(shí)驗(yàn)結(jié)果表明漢字默讀與運(yùn)動想象類似,也會誘導(dǎo)腦電信號在特定大腦皮層發(fā)生事件相關(guān)(去)同步化現(xiàn)象。通過等效偶極子源定位計(jì)算腦電信號的空間源分布,使用事件相關(guān)譜擾動圖判斷與漢字默讀相關(guān)的偶極子。采用共空間模式作為特征提取的算法,兩個(gè)漢字默讀各自相對空閑狀態(tài)的特征向量通過支持向量機(jī)分類后的結(jié)果分別為81.3%和81.4%。共空間模式易受到噪聲的干擾,通過優(yōu)化濾波范圍后兩者的分類準(zhǔn)確率分別提高到83.5%和83.1%。為了提高自發(fā)腦電信號的穩(wěn)定性,設(shè)計(jì)了附加語言想象的意識任務(wù)多模態(tài)腦機(jī)接口。對10位受試者進(jìn)行了兩個(gè)離線子實(shí)驗(yàn)：第一個(gè)為附加語言想象的意識任務(wù)；第二個(gè)為單一的意識任務(wù)。從頻率、時(shí)間和空間三個(gè)角度來分析這兩個(gè)子實(shí)驗(yàn)?zāi)X電信號的穩(wěn)定性,分析方法分別為自回歸功率譜密度、克隆巴赫α系數(shù)和共空間模式空間濾波。結(jié)果表明附加語言想象的意識任務(wù)所產(chǎn)生的信號更具有穩(wěn)定性。兩段想象期的信號分別與空閑期的信號相比較的分類結(jié)果在附加了語言想象后分別提高了4.2%和7.2%,兩段想象期之間的準(zhǔn)確率也提高了6.0%。為了進(jìn)一步提高不同意識任務(wù)間腦電信號的分類準(zhǔn)確率,提出了基于互信息的時(shí)間-頻率范圍選擇模型。在優(yōu)化信號的時(shí)間-頻率范圍后,平均準(zhǔn)確率提高了2.8%。針對運(yùn)動想象腦機(jī)接口的操作維數(shù)數(shù)量有限,且維數(shù)較多時(shí)需要長期的訓(xùn)練才能獲得滿意的結(jié)果。將語言想象與左右手運(yùn)動想象相結(jié)合,組成具有三維操作的多模態(tài)腦機(jī)接口。通過事件相關(guān)譜擾動圖分析每個(gè)電極的EEG信號在這三種想象中的時(shí)間和頻率特征,發(fā)現(xiàn)這些想象所誘導(dǎo)的信號在不同電極上可產(chǎn)生不同的能量變化。共空間模式算法按照一對一的計(jì)算模型擴(kuò)展為三分類算法,并將其提取的能量特征與互相關(guān)方程和相位鎖定值分別計(jì)算的同步化特征相結(jié)合以改善分類準(zhǔn)確率。提出兩類意識任務(wù)同步化差異最大的方法來選擇同步化計(jì)算所用的電極對。10位受試者的實(shí)驗(yàn)結(jié)果為：語言想象的分類準(zhǔn)確率最高(74.3%),其次為左手運(yùn)動想象(71.4%),最后為右手運(yùn)動想象(69.8%)。目前腦機(jī)接口的反饋訓(xùn)練主要針對運(yùn)動想象實(shí)驗(yàn)范式所開展,本文在語言想象離線實(shí)驗(yàn)數(shù)據(jù)分析的基礎(chǔ)上設(shè)計(jì)了基于語言想象的在線腦機(jī)接口訓(xùn)練系統(tǒng)。訓(xùn)練系統(tǒng)的硬件設(shè)備為Quik-Cap腦電帽、Neuroscan SynAmps 2系統(tǒng)和臺式計(jì)算機(jī),并聯(lián)合SCAN4.5、BCI2000和Matlab作為訓(xùn)練系統(tǒng)的軟件平臺。在線訓(xùn)練所用的兩個(gè)電極來自Fisher準(zhǔn)則函數(shù)。預(yù)處理所用的濾波范圍來自離線實(shí)驗(yàn)數(shù)據(jù)的時(shí)頻分析。特征提取采用方差和功率譜密度這兩種方式。分類器為計(jì)算速度更快的極限學(xué)習(xí)機(jī)。特征向量和分類模型隨著訓(xùn)練的進(jìn)行不斷更新,這保證了算法的自適應(yīng)性。通過兩步?jīng)Q策融合來決定反饋的結(jié)果,該方法具有更強(qiáng)的抗干擾性和魯棒性。6位受試者經(jīng)過4次訓(xùn)練后的結(jié)果表明：通過一定的反饋訓(xùn)練可幫助他們更好地操作腦機(jī)接口系統(tǒng),其中第二、三和四次訓(xùn)練的結(jié)果分別比第一次提高了7.1%、7.8%和7.3%。綜上所述,本文以基于漢字默讀的語言想象為起點(diǎn),將語言想象擴(kuò)展為兩類多模態(tài)腦機(jī)接口；從頻率、時(shí)間和空間三個(gè)角度分析了這三類系統(tǒng)中腦電信號的產(chǎn)生機(jī)理和表現(xiàn)形式；在離線數(shù)據(jù)分析的基礎(chǔ)上研究了腦電信號的特征提取和分類算法,為腦機(jī)接口系統(tǒng)的建立提供了算法上的支持；分析了基于語言想象的腦機(jī)接口在反饋訓(xùn)練后的效果,為腦機(jī)接口系統(tǒng)的實(shí)際應(yīng)用打下了基礎(chǔ)。
【關(guān)鍵詞】：腦機(jī)接口 漢字 意識任務(wù) 運(yùn)動想象 多模態(tài)
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：R318;TN911.7
【目錄】：

• 摘要4-6
• Abstract6-10
• 第一章 緒論10-30
• 1.1 腦機(jī)接口的研究概況10-14
• 1.1.1 腦機(jī)接口的研究背景10-13
• 1.1.2 腦機(jī)接口類型及特點(diǎn)13-14
• 1.2 國內(nèi)外腦機(jī)接口的研究現(xiàn)狀14-18
• 1.2.1 國外腦機(jī)接口研究現(xiàn)狀14-16
• 1.2.2 國內(nèi)腦機(jī)接口研究現(xiàn)狀16-18
• 1.3 腦機(jī)接口系統(tǒng)存在的問題及研究思路18-21
• 1.3.1 腦機(jī)接口系統(tǒng)的問題18-19
• 1.3.2 腦機(jī)接口系統(tǒng)的研究思路19-21
• 1.4 論文研究的目的和意義21-22
• 1.5 論文主要結(jié)構(gòu)和創(chuàng)新點(diǎn)22-24
• 1.6 參考文獻(xiàn)24-30
• 第二章 腦機(jī)接口系統(tǒng)的研究基礎(chǔ)30-48
• 2.1 腦電信號的采集30-32
• 2.2 腦電節(jié)律32-34
• 2.3 腦機(jī)接口系統(tǒng)中的信號類型及處理方法34-44
• 2.3.1 不同類型的腦電信號在腦機(jī)接口的應(yīng)用34-39
• 2.3.2 腦電信號的特點(diǎn)39-40
• 2.3.3 事件相關(guān)去同步化和同步化40-42
• 2.3.4 腦電信號分析方法42-44
• 2.4 本章小結(jié)44
• 2.5 參考文獻(xiàn)44-48
• 第三章 基于漢字默讀的語言想象腦機(jī)接口48-72
• 3.1 引言48-49
• 3.2 實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)采集49-51
• 3.3 特征提取和分類51-65
• 3.3.1 事件相關(guān)譜擾動51-55
• 3.3.2 共空間模式55-56
• 3.3.3 支持向量機(jī)56-60
• 3.3.4 分類結(jié)果60-65
• 3.4 語言想象腦電信號空間源定位分析65-69
• 3.4.1 獨(dú)立分量分析65-66
• 3.4.2 等效偶極子源定位分析66-68
• 3.4.3 分析結(jié)果68-69
• 3.5 本章小結(jié)69-70
• 3.6 參考文獻(xiàn)70-72
• 第四章 附加語言想象的意識任務(wù)多模態(tài)腦機(jī)接口72-94
• 4.1 引言72
• 4.2 實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)采集72-74
• 4.3 腦電信號穩(wěn)定性分析74-83
• 4.3.1 頻率穩(wěn)定性評價(jià)方法75-77
• 4.3.2 時(shí)間穩(wěn)定性評價(jià)方法77
• 4.3.3 穩(wěn)定性分析結(jié)果77-83
• 4.4 基于互信息的時(shí)間-頻率范圍選擇83-87
• 4.4.1 基于互信息的特征選擇83-84
• 4.4.2 時(shí)間-頻率范圍選擇方法和結(jié)果84-87
• 4.5 討論87-90
• 4.6 本章小結(jié)90
• 4.7 參考文獻(xiàn)90-94
• 第五章 基于語言想象和運(yùn)動想象的多模態(tài)腦機(jī)接口94-114
• 5.1 引言94
• 5.2 運(yùn)動想象生理基礎(chǔ)94-96
• 5.3 實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)采集96-97
• 5.4 多模態(tài)腦電信號處理97-110
• 5.4.1 腦電信號的同步化計(jì)算98-102
• 5.4.2 多類CSP算法102-103
• 5.4.3 多模態(tài)腦電信號處理模型103-104
• 5.4.4 分析結(jié)果104-110
• 5.5 本章小結(jié)110
• 5.6 參考文獻(xiàn)110-114
• 第六章 基于語言想象的在線腦機(jī)接口訓(xùn)練系統(tǒng)114-130
• 6.1 在線BCI訓(xùn)練系統(tǒng)的設(shè)計(jì)114-117
• 6.2 訓(xùn)練系統(tǒng)的信號處理算法117-125
• 6.2.1 基于Fisher準(zhǔn)則函數(shù)的電極選擇118-120
• 6.2.2 極限學(xué)習(xí)機(jī)120-123
• 6.2.3 訓(xùn)練系統(tǒng)算法的總體框架123-125
• 6.3 訓(xùn)練結(jié)果125-127
• 6.4 本章小結(jié)127
• 6.5 參考文獻(xiàn)127-130
• 第七章 總結(jié)和展望130-134
• 7.1 總結(jié)130-132
• 7.2 展望132-134
• 致謝134-136
• 作者簡介136-137

  本文關(guān)鍵詞：基于漢字的多模態(tài)腦機(jī)交互技術(shù)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：471142