本文關(guān)鍵詞：腦-機(jī)接口中的事件相關(guān)電位編解碼關(guān)鍵問題研究及應(yīng)用

  更多相關(guān)文章： 腦-機(jī)接口 事件相關(guān)電位 神經(jīng)機(jī)制模型 導(dǎo)聯(lián)優(yōu)化 跨個體識別 混合范式 隱性注意 預(yù)測模板

【摘要】：腦-機(jī)接口(Brain-computer interface,BCI)系統(tǒng)能夠?qū)⒅袠猩窠?jīng)系統(tǒng)活動直接轉(zhuǎn)化為人工輸出指令,它能夠替代、修復(fù)、增強(qiáng)、補(bǔ)充或者改善中樞神經(jīng)系統(tǒng)的正常輸出,從而改善中樞神經(jīng)系統(tǒng)與內(nèi)外環(huán)境之間的交互作用。事件相關(guān)電位(event-related potential,ERP)是BCI系統(tǒng)最重要的范式信號之一,它可以反映大腦對觸發(fā)事件響應(yīng)時其內(nèi)部的神經(jīng)信息流向和處理過程,被廣泛的應(yīng)用在神經(jīng)科學(xué)、認(rèn)知科學(xué)、心理生理學(xué)以及人機(jī)交互領(lǐng)域的研究當(dāng)中。但是,目前基于ERP的BCI系統(tǒng)發(fā)展受到了巨大的挑戰(zhàn):1)ERP神經(jīng)機(jī)制之謎導(dǎo)致無法建立起穩(wěn)定可靠的ERP數(shù)學(xué)模型;2)當(dāng)前的ERP解碼算法效率有待提高;3)傳統(tǒng)的ERP-BCI范式在指令編碼中已經(jīng)顯現(xiàn)出明顯的缺陷。針對上述挑戰(zhàn),本文重點開展了一系列ERP解編碼關(guān)鍵問題的研究,包括ERP的神經(jīng)機(jī)制模型、ERP導(dǎo)聯(lián)優(yōu)化算法、ERP跨個體識別算法、基于ERP的混合范式BCI系統(tǒng)、非眼動依賴型BCI系統(tǒng)以及基于預(yù)測模板的ERP特征識別等。首先,針對ERP的神經(jīng)機(jī)制問題,本文提出了一種研究ERP動態(tài)演變過程的有效方法,并且利用該方法首次得到了視覺ERP演變的三個意識形態(tài)完全不同的連續(xù)時期,驗證了ERP的非線性相位重排機(jī)制,首次發(fā)現(xiàn)了外界刺激的物理屬性是ERP神經(jīng)機(jī)制模型中的一個重要影響因素。其次,在改進(jìn)ERP解碼算法方面,本文根據(jù)ERP的生成機(jī)制和波形特征,發(fā)展了高效的ERP-BCI導(dǎo)聯(lián)優(yōu)化算法和跨個體識別算法。為實現(xiàn)可靠的導(dǎo)聯(lián)優(yōu)化,文中利用ERP的相位信息設(shè)計了一種新的基于相位鎖定集中值的遞歸特征篩除算法(phase locking and concentrating value-based recursive feature elimination,PLCV-RFE)。與經(jīng)典的導(dǎo)聯(lián)優(yōu)化算法相比,PLCV-RFE能夠在不影響正確率的情況下優(yōu)化出更小的導(dǎo)聯(lián)集合。針對跨個體ERP識別,研究中提出了一種帶權(quán)重集成學(xué)習(xí)總體信息(weighted ensemble learning generic information,WELGI)的新算法,與傳統(tǒng)分類策略相比,WELGI能夠顯著的提高分類正確率。最后,在提高ERP-BCI的編碼效率方面,本文設(shè)計出了P300+SSVEP-B speller的BCI混合新范式,并在該范式基礎(chǔ)上成功開發(fā)出了一套并行式混合范式BCI系統(tǒng),該系統(tǒng)的最高信息傳輸率可達(dá)傳統(tǒng)P300 speller的3倍左右。此外,實驗中發(fā)現(xiàn)在隱性注意力調(diào)制下的ERP與SSVEP交互特征對注意力水平非常敏感,可實現(xiàn)對非眼動依賴型BCI的可靠控制。研究結(jié)果還證實了時間預(yù)測模板EEG特征的可分性與P300-speller中ERP的可分性相當(dāng),未來有望成為一種有效的BCI控制新信號�？傊�,本文圍繞ERP-BCI開展的系列研究的結(jié)果將為深入理解ERP的神經(jīng)機(jī)制、穩(wěn)步提高ERP-BCI的運行效率提供理論和技術(shù)支持。
【關(guān)鍵詞】：腦-機(jī)接口 事件相關(guān)電位 神經(jīng)機(jī)制模型 導(dǎo)聯(lián)優(yōu)化 跨個體識別 混合范式 隱性注意 預(yù)測模板
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TN911.7;R318
【目錄】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 緒論12-36
• 1.1 腦電圖介紹12-19
• 1.1.1 EEG的發(fā)展歷史12-13
• 1.1.2 EEG的神經(jīng)生理學(xué)基礎(chǔ)13-16
• 1.1.3 EEG的分類16-18
• 1.1.4 EEG的主要應(yīng)用18-19
• 1.2 事件相關(guān)電位基礎(chǔ)19-25
• 1.2.1 ERP的發(fā)展歷史19-20
• 1.2.2 ERP的分類與主要成分20-24
• 1.2.3 ERP在腦科學(xué)研究中的重要地位24-25
• 1.2.4 ERP的神經(jīng)機(jī)制之爭25
• 1.3 腦-機(jī)接口技術(shù)25-31
• 1.3.1 BCI的發(fā)展歷史25-27
• 1.3.2 BCI的分類27-30
• 1.3.3 BCI的應(yīng)用30-31
• 1.4 ERP-BCI介紹31-33
• 1.4.1 ERP-BCI的基本工作原理31-32
• 1.4.2 ERP-BCI的發(fā)展與挑戰(zhàn)32-33
• 1.5 本文的研究目的與研究意義33-34
• 1.6 主要研究內(nèi)容與章節(jié)安排34-36
• 第二章 ERP-BCI的神經(jīng)學(xué)基礎(chǔ)研究36-59
• 2.1 ERP的神經(jīng)機(jī)制與ERP-BCI的發(fā)展36-37
• 2.2 ERP的提取與分析方法介紹37-38
• 2.2.1 時域波形提取37
• 2.2.2 事件相關(guān)譜擾動和試次間相干性分析37-38
• 2.3 ERP的神經(jīng)機(jī)制模型之爭38-44
• 2.3.1 誘發(fā)模型的典型證據(jù)41-42
• 2.3.2 相位重排模型的典型證據(jù)42-43
• 2.3.3 混合模型的典型證據(jù)43
• 2.3.4 小結(jié)43-44
• 2.4 實驗設(shè)計與數(shù)據(jù)采集分析方法44-48
• 2.4.1 課題基本思路44
• 2.4.2 實驗設(shè)計與實施44-46
• 2.4.3 數(shù)據(jù)采集與預(yù)處理46
• 2.4.4 分析方法46-48
• 2.5 結(jié)果分析48-55
• 2.5.1 VEP演變過程與各時期分割48-50
• 2.5.2 VEP 成分中的 SSVEP 比重分析50-51
• 2.5.3 VEP 成分分析51-52
• 2.5.4 交叉項分析52-55
• 2.6 討論55-57
• 2.6.1 實驗設(shè)計有效性討論55
• 2.6.2 VEP的三時期演變55-56
• 2.6.3 ERP模型分析56-57
• 2.6.4 對ERP-BCI的啟發(fā)57
• 2.7 本章小結(jié)57-59
• 第三章 提升ERP-BCI效率的新算法研究59-77
• 3.1 ERP-BCI的算法發(fā)展介紹59
• 3.2 ERP-BCI的導(dǎo)聯(lián)優(yōu)化算法研究59-68
• 3.2.1 用于BCI導(dǎo)聯(lián)優(yōu)化的經(jīng)典算法介紹60-62
• 3.2.2 基于相位信息測量的導(dǎo)聯(lián)優(yōu)化算法62-64
• 3.2.3 實驗設(shè)計與數(shù)據(jù)采集64-66
• 3.2.4 結(jié)果比較66-67
• 3.2.5 討論與結(jié)論67-68
• 3.3 個體間信息提升ERP-BCI分類效果的算法研究68-75
• 3.3.1 用于ERP-BCI的經(jīng)典分類算法介紹68-69
• 3.3.2 基于個體間信息與個體內(nèi)信息融合的ERP-BCI分類算法69-72
• 3.3.3 實驗設(shè)計、數(shù)據(jù)采集與分析方法72-73
• 3.3.4 結(jié)果比較73-75
• 3.3.5 結(jié)論75
• 3.4 本章小結(jié)75-77
• 第四章 基于ERP與SSVEP融合的混合范式BCI系統(tǒng)研究77-93
• 4.1 混合范式BCI系統(tǒng)介紹77-78
• 4.1.1 混合范式BCI系統(tǒng)的概念提出77
• 4.1.2 混合范式BCI系統(tǒng)的發(fā)展?fàn)顩r77-78
• 4.2 基于ERP與SSVEP的混合范式BCI設(shè)計78-85
• 4.2.1 基本思路78
• 4.2.2 范式設(shè)計與實現(xiàn)78-80
• 4.2.3 數(shù)據(jù)采集與分析方法80-81
• 4.2.4 實驗結(jié)果81-85
• 4.2.5 討論與結(jié)論85
• 4.3 基于ERP與SSVEP的并行式混合范式BCI系統(tǒng)實現(xiàn)85-92
• 4.3.1 基本思路85-86
• 4.3.2 系統(tǒng)設(shè)計與實現(xiàn)86-87
• 4.3.3 數(shù)據(jù)采集與分析方法87-89
• 4.3.4 離線結(jié)果分析89-90
• 4.3.5 在線結(jié)果展示90-92
• 4.3.6 結(jié)論92
• 4.4 本章小結(jié)92-93
• 第五章 腦-機(jī)接口新方法探索研究93-103
• 5.1 傳統(tǒng) ERP-BCI 系統(tǒng)的局限性93
• 5.2 隱性注意力檢測與非眼動依賴 BCI 系統(tǒng)93-97
• 5.2.1 非眼動依賴型 BCI 的提出與發(fā)展現(xiàn)狀93-95
• 5.2.2 隱性注意力調(diào)制 ERP 與 SSVEP 實驗95-96
• 5.2.3 隱性注意力調(diào)制 ERP 與 SSVEP 特征的檢測與分類96-97
• 5.3 預(yù)測大腦理論與 BCI 系統(tǒng)97-102
• 5.3.1 預(yù)測大腦理論及其對 BCI 的啟發(fā)97-98
• 5.3.2 大腦時間預(yù)測模板在腦電圖中的表征98-100
• 5.3.3 大腦預(yù)測模板特征在 BCI 系統(tǒng)中的可用性分析100-102
• 5.4 本章小結(jié)102-103
• 第六章 總結(jié)與展望103-106
• 6.1 研究總結(jié)103-104
• 6.2 未來展望104-106
• 參考文獻(xiàn)106-120
• 發(fā)表論文和參加科研情況說明120-122
• 致謝122-124

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 高上凱;;神經(jīng)工程與腦-機(jī)接口[J];生命科學(xué);2009年02期

2 賈川;閆錚;洪波;高小榕;高上凱;;相位集聚指數(shù)在腦-機(jī)接口特征提取中的應(yīng)用[J];清華大學(xué)學(xué)報(自然科學(xué)版);2010年06期

3 任亞莉;;基于腦電的腦-機(jī)接口系統(tǒng)[J];中國組織工程研究與臨床康復(fù);2011年04期

4 郭苗苗;徐桂芝;王磊;高海娟;;聽覺腦-機(jī)接口技術(shù)實驗范式的研究進(jìn)展[J];中國生物醫(yī)學(xué)工程學(xué)報;2013年05期

5 官金安,林家瑞;腦-機(jī)接口技術(shù)進(jìn)展與挑戰(zhàn)[J];中國醫(yī)療器械雜志;2004年03期

6 李鵬海;丁皓;萬柏坤;明東;;腦-機(jī)接口在移動外設(shè)控制中的應(yīng)用研究進(jìn)展[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年03期

7 王陸洲;王索剛;匡光濤;;一種基于心算任務(wù)的腦-機(jī)接口范式的研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2013年03期

8 任宇鵬,王廣志,程明,高小榕,季林紅;基于腦-機(jī)接口的康復(fù)輔助機(jī)械手控制[J];中國康復(fù)醫(yī)學(xué)雜志;2004年05期

9 張謙;王振;秦琦;萬柏坤;;基于腦電Alpha波的腦-機(jī)接口控制系統(tǒng)研究[J];醫(yī)療衛(wèi)生裝備;2006年06期

10 萬柏坤,高揚,趙麗,綦宏志;腦-機(jī)接口:大腦對外信息交流的新途徑[J];國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊;2005年01期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 高上凱;高小榕;洪波;張志廣;楊福生;;腦-機(jī)接口的發(fā)展現(xiàn)狀與未來[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（上冊）[C];2007年

2 高小榕;;面向臨床的腦-機(jī)接口研究[A];中國神經(jīng)科學(xué)學(xué)會第十屆全國學(xué)術(shù)會議論文摘要集[C];2013年

3 張濤;裴曉梅;鄭崇勛;王釗;;基于運動相關(guān)腦電的在線腦-機(jī)接口系統(tǒng)構(gòu)建[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

4 趙慧;李遠(yuǎn)清;;腦-機(jī)接口技術(shù)研究概況[A];中南六�。▍^(qū)）自動化學(xué)會第24屆學(xué)術(shù)年會會議論文集[C];2006年

5 王毅軍;洪波;高小榕;高上凱;;結(jié)合能量和相位特征的多分類想象運動腦-機(jī)接口[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

6 萬柏坤;綦宏志;陳濱津;張謙;王振;;腦-機(jī)接口中想象動作電位提取方法研究[A];第一屆全國腦與認(rèn)知科學(xué)學(xué)術(shù)研討會論文集[C];2005年

7 李耀楠;張小棟;王云霞;;腦-機(jī)接口驅(qū)動神經(jīng)義肢手系統(tǒng)的研究[A];第七屆全國康復(fù)醫(yī)學(xué)工程與康復(fù)工程學(xué)術(shù)研討會論文集[C];2010年

8 夏哈雷;夏斌;楊文璐;;基于OpenViBE的運動想象腦-機(jī)接口研究[A];全國第21屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 本報記者 趙建國;“意念”控制技術(shù)讓人們心想事成[N];中國知識產(chǎn)權(quán)報;2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 袁鵬;跨腦信息挖掘及其在腦—機(jī)接口中的應(yīng)用[D];清華大學(xué);2015年

2 陳小剛;高速率穩(wěn)態(tài)視覺誘發(fā)電位腦-機(jī)接口的關(guān)鍵技術(shù)研究[D];清華大學(xué);2015年

3 許敏鵬;腦-機(jī)接口中的事件相關(guān)電位編解碼關(guān)鍵問題研究及應(yīng)用[D];天津大學(xué);2015年

4 官金安;腦—機(jī)接口及其信號的單次提取[D];華中科技大學(xué);2005年

5 郭曉靜;獨立分量分析在腦—機(jī)接口中的應(yīng)用研究[D];安徽大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳瑞;基于mVEP的腦—機(jī)接口關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

2 丁佳;基于視覺雙特征的并行腦—機(jī)接口范式的研究[D];天津醫(yī)科大學(xué);2015年

3 蔡怡;頻率同步特征與SVM/HMM混合模型在腦-機(jī)接口中的應(yīng)用研究[D];重慶大學(xué);2015年

4 郭飛;基于運動起始視覺響應(yīng)和認(rèn)知正相晚成分的腦-機(jī)接口[D];清華大學(xué);2009年

5 劉濤;基于運動起始視覺響應(yīng)的在線實用化腦—機(jī)接口[D];清華大學(xué);2010年

6 郜東瑞;便攜式無線腦-機(jī)接口硬件設(shè)計[D];中南民族大學(xué);2011年

7 孟麗晶;基于P300和SSVEP的腦—機(jī)接口研究[D];華東理工大學(xué);2013年

8 權(quán)蘇會;基于LabVIEW的實時腦—機(jī)接口系統(tǒng)實現(xiàn)[D];重慶大學(xué);2008年

9 高海洋;便攜式聽覺腦—機(jī)接口研究與實現(xiàn)[D];清華大學(xué);2012年

10 肖丹丹;腦—機(jī)接口的模式分類及其DSP實現(xiàn)[D];中南民族大學(xué);2009年

，

本文編號：792628