本文關(guān)鍵詞：基于腦電信號(hào)的網(wǎng)頁(yè)瀏覽腦—機(jī)接口系統(tǒng)

  更多相關(guān)文章： 穩(wěn)態(tài)視覺(jué)誘發(fā)電位 運(yùn)動(dòng)想象 支持向量機(jī) 網(wǎng)頁(yè)瀏覽腦-機(jī)接口

【摘要】：腦電信號(hào)(Electroencephalogram, EEG)是細(xì)胞群自發(fā)性、有節(jié)律性的電活動(dòng)，能有效反映人的意識(shí)活動(dòng)，并可通過(guò)電極記錄下來(lái)，通過(guò)分析腦電信號(hào)，即可解讀大腦信號(hào)，了解人的意識(shí)活動(dòng)。腦-機(jī)接口(Brain-Computer Interfaces, BCIs)以采集到的腦電信號(hào)為輸入信號(hào)，實(shí)現(xiàn)了人腦與外界（計(jì)算機(jī)或外部設(shè)備）的直接交流和控制，而不依賴(lài)于外周神經(jīng)和肌肉組織等正常通道。腦-機(jī)接口技術(shù)為人類(lèi)與外界的交流提供了新途徑，因其重要的理論研究?jī)r(jià)值和廣泛的實(shí)際應(yīng)用前景，引發(fā)全世界的關(guān)注，成為研究熱點(diǎn)之一。 本文主要對(duì)腦電信號(hào)處理方法進(jìn)行了研究，并基于腦電信號(hào)的離線(xiàn)分析建立了一套在線(xiàn)的網(wǎng)頁(yè)瀏覽腦-機(jī)接口系統(tǒng)。離線(xiàn)分析階段主要對(duì)穩(wěn)態(tài)視覺(jué)誘發(fā)電位、α波以及運(yùn)動(dòng)想象三種腦電信號(hào)的采集和信號(hào)處理進(jìn)行了深入研究。搭建腦-機(jī)接口系統(tǒng)，首先需要采集腦電信號(hào)，在腦電信號(hào)的采集部分，分別對(duì)腦電信號(hào)、采集準(zhǔn)備、電極安放位置、以及導(dǎo)聯(lián)方式進(jìn)行了闡述，設(shè)計(jì)實(shí)驗(yàn)流程采集上述三種腦電信號(hào)并保存?zhèn)溆�。采集到的原始腦電往往包含了很強(qiáng)的噪聲干擾，，為得到純凈的腦電信號(hào)，需要對(duì)采集的腦電信號(hào)進(jìn)行預(yù)處理，預(yù)處理部分采用FIR帶通濾波器對(duì)原始腦電信號(hào)進(jìn)行濾波，對(duì)運(yùn)動(dòng)想象腦電信號(hào)采用獨(dú)立分量分析方法去除眼電偽跡，有效提高了信噪比。為了將不同的腦電信號(hào)分類(lèi)識(shí)別，轉(zhuǎn)化成控制命令，需要對(duì)預(yù)處理過(guò)的信號(hào)進(jìn)行特征提取，信號(hào)的特征提取和模式識(shí)別是腦-機(jī)接口系統(tǒng)的核心，決定了系統(tǒng)性能的好壞。特征提取部分針對(duì)腦電信號(hào)各自的特點(diǎn)和復(fù)雜程度，選用不同的方法進(jìn)行特征提取，即采用快速傅里葉變換對(duì)穩(wěn)態(tài)視覺(jué)誘發(fā)電位進(jìn)行特征提取，采用短時(shí)傅里葉變換和小波包分解對(duì)四類(lèi)運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行特征提取，并計(jì)算出相應(yīng)頻率的能量作為分類(lèi)的特征向量。模式識(shí)別部分分別用線(xiàn)性分類(lèi)器和多分類(lèi)支持向量機(jī)對(duì)經(jīng)過(guò)預(yù)處理和特征提取得到的腦電信號(hào)進(jìn)行分類(lèi)，對(duì)兩種分類(lèi)器的分類(lèi)結(jié)果進(jìn)行對(duì)比分析，選出理想的特征提取和分類(lèi)方法，為搭建在線(xiàn)網(wǎng)頁(yè)瀏覽系統(tǒng)提供依據(jù)。最后用LabVIEW軟件搭建在線(xiàn)系統(tǒng)，設(shè)計(jì)誘發(fā)腦電和自發(fā)腦電兩種實(shí)驗(yàn)范式，實(shí)現(xiàn)了兩種模式下的網(wǎng)頁(yè)瀏覽腦-機(jī)接口系統(tǒng)，受試者可通過(guò)該系統(tǒng)完成光標(biāo)控制和簡(jiǎn)單的網(wǎng)頁(yè)瀏覽任務(wù)。
【關(guān)鍵詞】：穩(wěn)態(tài)視覺(jué)誘發(fā)電位 運(yùn)動(dòng)想象 支持向量機(jī) 網(wǎng)頁(yè)瀏覽腦-機(jī)接口
【學(xué)位授予單位】：天津職業(yè)技術(shù)師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：R338;TN911.7
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-15
• 1.1 課題研究背景9-10
• 1.2 課題研究目的及意義10-11
• 1.2.1 研究目的10
• 1.2.2 研究意義10-11
• 1.3 課題研究現(xiàn)狀11-13
• 1.3.1 國(guó)內(nèi)外研究現(xiàn)狀11-13
• 1.3.2 研究中存在的問(wèn)題與面臨的挑戰(zhàn)13
• 1.4 課題主要研究?jī)?nèi)容13-15
• 第2章 腦電信號(hào)的采集15-24
• 2.1 腦電信號(hào)15-16
• 2.1.1 腦電信號(hào)的產(chǎn)生機(jī)理15
• 2.1.2 腦電信號(hào)的特點(diǎn)15-16
• 2.1.3 腦電信號(hào)的分類(lèi)16
• 2.2 采集準(zhǔn)備及電極安放16-18
• 2.3 導(dǎo)聯(lián)方式選擇18
• 2.4 腦電信號(hào)的采集18-24
• 2.4.1 腦電信號(hào)的采集系統(tǒng)18-19
• 2.4.2 受試對(duì)象和實(shí)驗(yàn)環(huán)境19
• 2.4.3 穩(wěn)態(tài)視覺(jué)誘發(fā)電位的采集19-20
• 2.4.4 α波的采集20-21
• 2.4.5 運(yùn)動(dòng)想象腦電信號(hào)的采集21-24
• 第3章 腦電信號(hào)的預(yù)處理24-30
• 3.1 腦電信號(hào)的噪聲和干擾源24
• 3.2 濾波24-27
• 3.2.1 濾波器的分類(lèi)24-25
• 3.2.2 濾波器的設(shè)計(jì)25
• 3.2.3 基于最優(yōu)設(shè)計(jì)法的 FIR 帶通濾波器25-26
• 3.2.4 腦電信號(hào)的濾波26-27
• 3.3 去除眼電偽跡27-30
• 3.3.1 獨(dú)立分量分析28
• 3.3.2 基于 FastICA 的眼電偽跡去除28-30
• 第4章 腦電信號(hào)的特征提取方法研究30-45
• 4.1 常用的腦電信號(hào)特征提取算法30
• 4.2 SSVEP 的特征提取30-33
• 4.2.1 快速傅里葉變換31-32
• 4.2.2 基于快速傅里葉變換的 SSVEP 特征提取32-33
• 4.3 運(yùn)動(dòng)想象腦電信號(hào)的特征提取33-45
• 4.3.1 短時(shí)傅里葉變換33-36
• 4.3.2 基于短時(shí)傅里葉變換的運(yùn)動(dòng)想象腦電信號(hào)的特征提取36-38
• 4.3.3 小波包分解38-40
• 4.3.4 基于小波包分解的運(yùn)動(dòng)想象腦電信號(hào)的特征提取40-45
• 第5章 腦電信號(hào)的模式識(shí)別方法研究45-55
• 5.1 分類(lèi)器的設(shè)計(jì)45
• 5.2 線(xiàn)性分類(lèi)器45-47
• 5.2.1 線(xiàn)性判別函數(shù)45-46
• 5.2.2 Fisher 線(xiàn)性判別函數(shù)46-47
• 5.3 支持向量機(jī)47-51
• 5.3.1 最優(yōu)分類(lèi)面47-48
• 5.3.2 線(xiàn)性可分支持向量機(jī)48-49
• 5.3.3 非線(xiàn)性可分支持向量機(jī)49-51
• 5.3.4 多分類(lèi)支持向量機(jī)51
• 5.4 腦電信號(hào)的分類(lèi)結(jié)果與分析51-55
• 5.4.1 基于線(xiàn)性分類(lèi)器的分類(lèi)結(jié)果51-53
• 5.4.2 基于支持向量機(jī)的分類(lèi)結(jié)果53-55
• 第6章 腦電信號(hào)控制網(wǎng)頁(yè)瀏覽系統(tǒng)的實(shí)現(xiàn)55-64
• 6.1 任務(wù)描述與實(shí)驗(yàn)范式55
• 6.1.1 任務(wù)描述55
• 6.1.2 實(shí)驗(yàn)范式設(shè)計(jì)55
• 6.2 系統(tǒng)設(shè)計(jì)55-60
• 6.3 實(shí)驗(yàn)流程60-62
• 6.4 實(shí)驗(yàn)結(jié)果與分析62-64
• 第7章 總結(jié)與展望64-66
• 7.1 總結(jié)64
• 7.2 展望64-66
• 參考文獻(xiàn)66-71
• 致謝71-72
• 申請(qǐng)學(xué)位期間的研究成果及發(fā)表的學(xué)術(shù)論文72

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 趙海濱;王宏;李春勝;;基于A(yíng)lpha波的異步腦-機(jī)接口系統(tǒng)[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年10期

2 王登;苗奪謙;王睿智;;一種新的基于小波包分解的EEG特征抽取與識(shí)別方法研究[J];電子學(xué)報(bào);2013年01期

3 張鞏;;基于字符匹配度的SVM多分類(lèi)器設(shè)計(jì)[J];信息安全與技術(shù);2014年01期

4 黃璐;王宏;;基于約束獨(dú)立分量分析的腦電特征提取[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

5 李明愛(ài);李驤;楊金福;郝冬梅;;基于小波包法與CSSD的P300特征提取方法[J];北京工業(yè)大學(xué)學(xué)報(bào);2014年04期

6 張磊邦;唐榮斌;蔣建波;張帥;池宗琳;王威廉;;基于小波變換的心音特征值提取算法研究[J];電子測(cè)量技術(shù);2014年06期

7 黃世瑜;施尚英;;基于LabView2013實(shí)現(xiàn)FFT傅里葉變換[J];四川職業(yè)技術(shù)學(xué)院學(xué)報(bào);2014年02期

8 李紅蕾;吳漢煒;譚毓銀;;基于BP神經(jīng)網(wǎng)絡(luò)的隱寫(xiě)分析分類(lèi)器設(shè)計(jì)[J];信息安全與技術(shù);2014年09期

9 白潔;;基于LabVIEW的虛擬數(shù)字濾波器的實(shí)驗(yàn)設(shè)計(jì)[J];高校實(shí)驗(yàn)室工作研究;2014年03期

10 許同樂(lè);侯蒙蒙;蔡道勇;薛磊江;;FastICA遺傳神經(jīng)網(wǎng)絡(luò)算法[J];北京郵電大學(xué)學(xué)報(bào);2014年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 劉鐵軍;腦電信號(hào)中眼電偽跡去除方法研究[D];電子科技大學(xué);2008年

2 吳婷;自發(fā)腦電腦機(jī)接口模式識(shí)別關(guān)鍵技術(shù)與實(shí)驗(yàn)研究[D];上海交通大學(xué);2008年

3 施錦河;運(yùn)動(dòng)想象腦電信號(hào)處理與P300刺激范式研究[D];浙江大學(xué);2012年

4 李俊華;腦活動(dòng)狀態(tài)EEG信號(hào)解碼方法及其應(yīng)用[D];上海交通大學(xué);2012年

5 朱凡;大鼠壓桿實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)及運(yùn)動(dòng)皮層神經(jīng)解碼研究[D];浙江大學(xué);2012年

本文編號(hào)：1021732