本文選題：混合腦-機接口　切入點：腦電信號　出處：《天津理工大學》2017年碩士論文　論文類型：學位論文

【摘要】：混合型腦-機接口(Hybrid Brain Computer Interface,HBCI)是指在單一腦電信號模式基礎(chǔ)上加入一種或多種新的控制方式,如另一種腦電信號模式或者是心率、眼動、血流變化等生理信號,進行混合控制的BCI。HBCI具有可完成任務(wù)種類多、識別準確率高、控制方式靈活等優(yōu)點,已成為改進BCI系統(tǒng)性能研究的新方向。本文研究了融合運動想象腦電信號和眼動信號的混合腦-機接口在線控制系統(tǒng),包括腦電和眼電信號的采集、預處理、特征提取和模式識別方法,并完成了實時控制小四軸飛行器的飛行操作實驗。本文主要研究工作如下:(1)在分析比較了時域分析法、時頻域分析法和共空間模式(Common Spatial Pattern,CSP)等特征提取方法的基礎(chǔ)上,設(shè)計了OVO-CSP(One Versus One CSP)算法和OVR-CSP(One Versus the Rest CSP)算法提取多類別腦電信號的特征。(2)對EEG信號的模式識別方法進行了研究改進。詳細分析了OVR-SVM(One Versus the Rest Support Vector Machine)、OVO-SVM(One Versus One Support Vector Machine)、DAG-SVM(DAG Support Vector Machine)等多種分類方法各自的優(yōu)缺點,提出了一種新的雙層SVM分類器結(jié)構(gòu)對四類腦電信號進行分類。用2008年競賽數(shù)據(jù)集data set 2a驗證了該雙層SVM分類器結(jié)構(gòu)的分類正確率,并與DAG-SVM方法進行了對比。本文提出方法雖然訓練時間比DAG-SVM略長,測試時間與DAG-SVM相差不多,而其分類正確率明顯高于DAG-SVM。(3)提出用雙樹復小波變換(DTCWT)提取眼電信號的特征參數(shù),解決了離散小波變換(DWT)提取眼電信號特征時存在的頻率混疊、平移敏感性等缺陷。根據(jù)Donoho閾值去噪理論估計DTCWT分解后各層小波系數(shù)的閾值,閾值重構(gòu)后進行下采樣將其作為眼電信號的特征參數(shù)。采用SVM和時域特征相結(jié)合的方法進行分類,SVM分類器識別眼動為水平方向上的運動或垂直方向上的運動,再用眼電信號的時域特征識別水平或垂直方向上的眼動模式。實驗結(jié)果顯示,該分類方法能有效識別眼球的掃視模式和連續(xù)眨眼模式。(4)搭建了混合腦-機接口在線控制實驗平臺,在Emotiv EPOC腦電采集儀上擴展了眼電信號采集電極,將數(shù)據(jù)實時傳回計算機。在MATLAB2015和VS2010上分別編寫了GUI控制界面,設(shè)計了糾錯機制。在線實驗結(jié)果顯示,該混合系統(tǒng)能夠較好的完成圓點博士小四軸飛行器的起飛、前飛、左飛、右飛、后飛和降落等在線控制操作。
[Abstract]:Hybrid Brain Computer Interface (HBCI) refers to the addition of one or more new control methods to the single EEG mode, such as another EEG mode or physiological signals such as heart rate, eye movement, blood flow changes, etc. The BCI.HBCI with mixed control has many advantages, such as many kinds of tasks, high recognition accuracy, flexible control mode, and so on. It has become a new direction to improve the performance of BCI system. In this paper, a hybrid brain-computer interface control system is studied, which integrates motion imaginary EEG signal and eye movement signal, including EEG and Eye-signal acquisition and preprocessing. The method of feature extraction and pattern recognition, and the flight operation experiment of real-time control of small four-axis aircraft are completed. The main research work of this paper is as follows: 1) the time-domain analysis method is analyzed and compared. On the basis of time-frequency domain analysis and common Spatial patterns, The OVO-CSP(One Versus One CSP algorithm and OVR-CSP(One Versus the Rest CSP algorithm are designed to extract the features of multi-class EEG signals. (2) the pattern recognition method of EEG signal is studied and improved. The OVR-SVM(One Versus the Rest Support Vector Vector machine machine is analyzed in detail, and the OVR-SVM(One Versus the Rest Support Support Vector Vector Versus One One Support Support Vector machine machine is analyzed in detail. The advantages and disadvantages of various classification methods, A new two-layer SVM classifier structure is proposed to classify four kinds of EEG signals. The classification accuracy of the two-layer SVM classifier structure is verified by data set 2a of 2008 contest data set. In this paper, though the training time is a little longer than that of DAG-SVM, the test time is not different from that of DAG-SVM, and the classification accuracy is obviously higher than that of DAG-SVM.TWT3. The defects of frequency aliasing and translational sensitivity in extracting Eye-signal features by discrete wavelet transform (DWT) are solved. According to the Donoho threshold denoising theory, the threshold of wavelet coefficients in each layer after DTCWT decomposition is estimated. The method of combining SVM and time domain features is used to classify the motion of eye movement in horizontal direction or vertical direction. Then the time domain feature of Eye-signal is used to identify the eye movement pattern in horizontal or vertical direction. The experimental results show that, This classification method can effectively identify the scanning mode of eyeball and the continuous blinking mode. (4) A mixed brain-computer interface on-line control experimental platform is built, and the Eye-electric signal collecting electrode is extended on the Emotiv EPOC EEG acquisition instrument. The data is transmitted back to the computer in real time. The GUI control interface is written on MATLAB2015 and VS2010, and the error correction mechanism is designed. The online experimental results show that the hybrid system can accomplish the take-off, forward flight and left flight of the small four-axis aircraft. Right flight, rear flight and landing and other online control operations.
【學位授予單位】：天津理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R318;TN911.7

【相似文獻】

相關(guān)期刊論文 前10條

1 謝松云;張振中;楊金孝;張坤;;腦電信號的若干處理方法研究與評價[J];計算機仿真;2007年02期

2 董盟盟;仲軼;徐潔;戴體俊;劉功儉;;基于小波分析的腦電信號處理[J];電子設(shè)計工程;2012年24期

3 李志瑞;張文杰;;通用腦電信號處理——微機系統(tǒng)初探[J];河北師范大學學報;1988年Z1期

4 ;小樣本腦電信號(EEG)處理系統(tǒng)[J];北京理工大學學報;1989年02期

5 陳永華;朱林劍;包海濤;孫守林;;一種新型腦電信號的采集方法和應用[J];傳感器與微系統(tǒng);2006年03期

6 黃翠玲;陳新;;腦電信號采集與管理系統(tǒng)的設(shè)計與實現(xiàn)[J];計算機與數(shù)字工程;2008年09期

7 張雪燕;馮姚震;馬敏飛;楊晟剛;;腦電信號的分析和監(jiān)測[J];電子技術(shù)應用;2011年01期

8 ;《小樣本腦電信號處理系統(tǒng)》通過部級鑒定[J];北京工業(yè)學院學報;1988年03期

9 梅村，，何育芬;腦電信號的自適應分段和分類存檔[J];北京郵電大學學報;1994年01期

10 梅村，張玉艷，婁瑜;腦電信號的壓縮與恢復[J];北京郵電大學學報;1995年04期

相關(guān)會議論文 前10條

1 薛蘊全;王秋英;王宏;;腦電信號的動態(tài)時空響應拓撲圖[A];中國儀器儀表學會第三屆青年學術(shù)會議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號診斷專家系統(tǒng)的研究[A];中國生理學會第21屆全國代表大會暨學術(shù)會議論文摘要匯編[C];2002年

3 朱林劍;包海濤;孫守林;梁豐;;新型腦電信號采集方法與應用研究[A];大連理工大學生物醫(yī)學工程學術(shù)論文集（第2卷）[C];2005年

4 許濤;朱林劍;包海濤;;基于思維腦電信號的假手的研究[A];提高全民科學素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

5 李愛新;孫鐵;郭炎峰;;基于人工神經(jīng)網(wǎng)絡(luò)的腦電信號模式分類[A];自動化技術(shù)與冶金流程節(jié)能減排——全國冶金自動化信息網(wǎng)2008年會論文集[C];2008年

6 童珊;黃華;陳槐卿;;混沌理論在腦電信號分析中的應用[A];中國生物醫(yī)學工程學會第六次會員代表大會暨學術(shù)會議論文摘要匯編[C];2004年

7 李凌;曾慶寧;堯德中;;利用兩級抗交叉串擾自適應濾波器提取誘發(fā)腦電信號[A];中國生物醫(yī)學工程學會第六次會員代表大會暨學術(shù)會議論文摘要匯編[C];2004年

8 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術(shù)年會論文集（下冊）[C];2007年

9 李麗君;黃思娟;吳效明;熊冬生;;基于運動想象的腦電信號特征提取與分類[A];中國儀器儀表學會醫(yī)療儀器分會2010兩岸四地生物醫(yī)學工程學術(shù)年會論文集[C];2010年

10 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];天津市生物醫(yī)學工程學會2007年學術(shù)年會論文摘要集[C];2007年

相關(guān)重要報紙文章 前1條

1 張文清　記者 王春;意念控制車速及左右轉(zhuǎn)彎前行[N];科技日報;2008年

相關(guān)博士學位論文 前10條

1 彭宏;普適化腦電信息感知關(guān)鍵問題的研究[D];蘭州大學;2015年

2 吳玉鵬;AR譜在皮層癇樣腦電信號分析應用[D];河北醫(yī)科大學;2015年

3 馬小飛;認知任務(wù)下的腦電動力學分析[D];南京大學;2017年

4 吳畏;基于統(tǒng)計建模的多導聯(lián)腦電信號時空建模方法研究[D];清華大學;2012年

5 孫宇舸;腦—機接口系統(tǒng)中腦電信號處理方法的研究[D];東北大學;2012年

6 周群;腦電信號同步：方法及應用研究[D];電子科技大學;2009年

7 趙麗;基于腦電信號的腦-機接口技術(shù)研究[D];天津大學;2004年

8 李春勝;腦電信號混沌特性的研究與應用[D];東北大學;2011年

9 歐陽高翔;癲癇腦電信號的非線性特征識別與分析[D];燕山大學;2010年

10 繆曉波;基于腦電信號的認知動力學系統(tǒng)研究——線性/非線性方法及動態(tài)時—頻—空分析[D];重慶大學;2004年

相關(guān)碩士學位論文 前10條

1 于洪;基于腦電信號的警覺度估計[D];上海交通大學;2007年

2 蔣潔;基于高性能計算的腦電信號分析[D];燕山大學;2010年

3 張志琴;腦電信號的復雜性分析[D];中南大學;2009年

4 許鳳娟;腦電信號采集與分析系統(tǒng)的設(shè)計[D];長春理工大學;2011年

5 曹銘;意識障礙患者腦電信號的非線性動力學評價分析[D];杭州電子科技大學;2012年

6 薛吉星;多通道腦電信號采集與處理系統(tǒng)研究[D];華南理工大學;2015年

7 劉靜;基于加權(quán)排序熵的多通道腦電信號同步算法研究[D];燕山大學;2015年

8 陳澤濤;基于腦電信號分析的AD早期評估系統(tǒng)的設(shè)計與實現(xiàn)[D];燕山大學;2015年

9 王歡;基于非平穩(wěn)時間序列分析方法的腦電信號模式識別[D];蘇州大學;2015年

10 王瓊穎;腦電信號的非線性動力學分析及其在睡眠分期中的應用[D];哈爾濱工業(yè)大學;2015年

本文編號：1605305