本文關(guān)鍵詞：基于OVR-CSP和互相關(guān)的運(yùn)動(dòng)想象腦機(jī)接口研究，由筆耕文化傳播整理發(fā)布。

【摘要】：腦機(jī)接口(Brain-Computer Interface,BCI)是一種不依賴于大腦外周神經(jīng)與肌肉組成的正常輸出通路的通訊控制系統(tǒng)。經(jīng)過幾十年的發(fā)展,BCI已經(jīng)不僅僅用于輔助殘疾人士與外界的交流,還應(yīng)用到了醫(yī)療康復(fù)、環(huán)境控制和娛樂等領(lǐng)域�？傊�,提高殘疾人士的生活質(zhì)量一直是研究BCI不變的初衷。而運(yùn)動(dòng)想象(Motor Imagery,MI)腦電信號是完全可以不借助于外部設(shè)備而產(chǎn)生的自發(fā)腦電信號,因此運(yùn)動(dòng)想象腦電信號被認(rèn)為是最適合用于腦機(jī)接口的腦電信號。本文在經(jīng)典的四類運(yùn)動(dòng)想象腦電特征提取方法“一對其他”共空間模式(One-Versus-Rest Common Spatial Pattern,OVR-CSP)的基礎(chǔ)上,提出了一種OVR-CSP的改進(jìn)算法�；贠VR-CSP的特征是由信號的方差構(gòu)造而得到的,反映的是大腦相應(yīng)區(qū)域的能量變化。然而,該類特征并不包含大腦不同區(qū)域之間的協(xié)同合作和信息交流方面的信息,并且這些信息有利于正確分類。而通過同步性分析方法能夠快速獲取這類信息,互相關(guān)函數(shù)(Cross-Correlation)是分析同步性的一個(gè)有效方法。因此,本文將基于OVR-CSP的特征與通過互相關(guān)函數(shù)提取的特征進(jìn)行融合得到最終的分類特征。那么,該特征包含的信息就是運(yùn)動(dòng)想象相關(guān)區(qū)域的能量變化和該區(qū)域相關(guān)導(dǎo)聯(lián)的同步性信息。該算法在第二屆國際BCI競賽的公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果顯示,對本文提出的特征提取算法得到的特征進(jìn)行分類,得到的Kappa平均值是最高的,達(dá)到了0.59,同時(shí)其方差是最小的,大小為0.031。這表明,本文提出的特征提取算法具有較好的分類效果,并且具有較強(qiáng)的個(gè)體差異適應(yīng)能力。在此基礎(chǔ)之上,又進(jìn)一步討論了加窗對算法性能的影響。針對現(xiàn)有腦機(jī)接口的體積大、操作繁瑣和應(yīng)用場合受到極大的限制的缺點(diǎn),本文采用便攜式腦電采集設(shè)備Emotiv EPOC+進(jìn)行運(yùn)動(dòng)想象腦電信號的采集,將本文改進(jìn)的腦電信號處理算法用于四類想象運(yùn)動(dòng)的分類任務(wù),在便攜式腦電采集設(shè)備Emotiv EPOC+上構(gòu)建了基于OVR-CSP和互相關(guān)的運(yùn)動(dòng)想象腦機(jī)接口。該腦機(jī)接口是一個(gè)基于運(yùn)動(dòng)想象腦電的多任務(wù)控制平臺(tái),其中對外界設(shè)備的控制是通過圖片的選擇進(jìn)行模擬。圖片的選擇是通過分類器識(shí)別出的不同的想象運(yùn)動(dòng)進(jìn)行的,圖片的上下左右運(yùn)動(dòng)分別對應(yīng)想象左手、想象右手、想象腳和想象舌頭。經(jīng)過離線實(shí)驗(yàn)測試,本文實(shí)現(xiàn)的腦機(jī)接口具有較好的性能,為進(jìn)一步利用Emotiv EPOC+進(jìn)行腦機(jī)接口的開發(fā)打下了必要的基礎(chǔ)。
【關(guān)鍵詞】：腦機(jī)接口 運(yùn)動(dòng)想象 共空間模式 互相關(guān) Emotiv EPOC+
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN911.7;R338
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號對照表10-11
• 縮略語對照表11-15
• 第一章 緒論15-25
• 1.1 腦機(jī)接口研究背景及意義15-20
• 1.1.1 基于EEG的腦機(jī)接口系統(tǒng)的組成與工作原理16-17
• 1.1.2 腦機(jī)接口的種類17-20
• 1.2 腦機(jī)接口研究現(xiàn)狀20
• 1.3 腦電信號簡介20-23
• 1.3.1 大腦功能分區(qū)20-22
• 1.3.2 腦電產(chǎn)生機(jī)理22-23
• 1.3.3 腦電信號的分類23
• 1.4 研究內(nèi)容及主要工作23-25
• 第二章 運(yùn)動(dòng)想象腦電特征提取方法25-33
• 2.1 引言25
• 2.2 時(shí)域特征提取25-27
• 2.2.1 時(shí)域滑動(dòng)窗25-26
• 2.2.2 局部閾值優(yōu)化26
• 2.2.3 時(shí)域ERD/ERS26-27
• 2.3 頻域特征提取27-29
• 2.3.1 傅里葉變換27
• 2.3.2 功率譜密度27-28
• 2.3.3 AR系數(shù)28-29
• 2.4 時(shí)頻域特征提取29-32
• 2.4.1 小波變換29-30
• 2.4.2 小波包變換30-32
• 2.5 本章小結(jié)32-33
• 第三章 基于CSP和互相關(guān)的運(yùn)動(dòng)想象腦電特征提取方法33-45
• 3.1 引言33
• 3.2 特征提取33-36
• 3.2.1 OVR-CSP33-35
• 3.2.2 互相關(guān)函數(shù)35-36
• 3.3 支持向量機(jī)36-39
• 3.4 實(shí)驗(yàn)與分析39-43
• 3.4.1 數(shù)據(jù)描述及實(shí)驗(yàn)范式39-40
• 3.4.2 實(shí)驗(yàn)結(jié)果及分析40-42
• 3.4.3 加窗對分類結(jié)果的影響42-43
• 3.5 本章小結(jié)43-45
• 第四章 基于OVR-CSP和互相關(guān)的運(yùn)動(dòng)想象腦機(jī)接口45-63
• 4.1 引言45
• 4.2 腦電采集系統(tǒng)的選擇45-49
• 4.2.1 ANT45-46
• 4.2.2 Emotiv EPOC+46-49
• 4.3 基于OVR-CSP和互相關(guān)的運(yùn)動(dòng)想象腦機(jī)接口49-61
• 4.3.1 動(dòng)態(tài)庫edk.dll簡介49-50
• 4.3.2 相關(guān)Qt技術(shù)50-54
• 4.3.3 C環(huán)境下調(diào)用matlab程序54-57
• 4.3.4 軟件框架及界面設(shè)計(jì)57-61
• 4.4 本章小結(jié)61-63
• 第五章 總結(jié)與展望63-65
• 參考文獻(xiàn)65-69
• 致謝69-71
• 作者簡介71-72

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳騫;;人工大腦 搶占腦科學(xué)制高點(diǎn)[J];上海信息化;2013年12期

2 張毅;張輝;羅元;胡豁生;;采用Emotiv感知的智能輪椅運(yùn)動(dòng)控制的研究[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

3 張國華;袁中凡;李彬彬;;心音信號特征提取小波包算法研究[J];振動(dòng)與沖擊;2008年07期

4 曾憲偉;趙衛(wèi)明;盛菊琴;;小波包分解樹結(jié)點(diǎn)與信號子空間頻帶的對應(yīng)關(guān)系及其應(yīng)用[J];地震學(xué)報(bào);2008年01期

5 婁智;;數(shù)字信號處理在生物醫(yī)學(xué)工程中的應(yīng)用[J];生物學(xué)雜志;2006年06期

6 薛建中,閆相國,鄭崇勛;用核學(xué)習(xí)算法的意識(shí)任務(wù)特征提取與分類[J];電子學(xué)報(bào);2004年10期

7 趙香花,汪曉光;基于腦-機(jī)接口的殘疾人環(huán)境控制裝置的設(shè)計(jì)[J];中國康復(fù)醫(yī)學(xué)雜志;2004年05期

8 孟飛,黃軍友,高小榕;基于腦-機(jī)接口技術(shù)的上肢康復(fù)訓(xùn)練系統(tǒng)[J];中國康復(fù)醫(yī)學(xué)雜志;2004年05期

9 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

10 徐丁峰,程明,高小榕,高上凱;數(shù)字信號處理器在腦-機(jī)接口系統(tǒng)中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2002年04期

  本文關(guān)鍵詞：基于OVR-CSP和互相關(guān)的運(yùn)動(dòng)想象腦機(jī)接口研究，，由筆耕文化傳播整理發(fā)布。

本文編號：493515