本文選題：腦機(jī)接口 + 小波去噪　； 參考：《電子科技大學(xué)》2017年碩士論文

【摘要】：腦機(jī)接口是神經(jīng)科學(xué)與機(jī)器學(xué)習(xí)結(jié)合的應(yīng)用,能適應(yīng)某些特殊環(huán)境下的控制需求,尤其是在傳統(tǒng)的控制方式無(wú)法滿足現(xiàn)實(shí)需要的條件下,腦機(jī)接口有著獨(dú)特的優(yōu)勢(shì),存在著廣泛的應(yīng)用前景。本文主要研究了基于腦電信號(hào)設(shè)計(jì)的腦機(jī)接口,重點(diǎn)在于提取腦電信號(hào)中與大腦運(yùn)動(dòng)想象相關(guān)的模式,并對(duì)大腦不同活動(dòng)狀態(tài)下的模式特征進(jìn)行識(shí)別、挖掘和理解,最后與機(jī)械臂控制平臺(tái)進(jìn)行了結(jié)合。本文對(duì)基于腦電信號(hào)的腦機(jī)接口的基礎(chǔ)理論框架進(jìn)行了介紹,包括腦電信號(hào)的產(chǎn)生的機(jī)理、腦電信號(hào)的采集過(guò)程、運(yùn)動(dòng)想象腦電信號(hào)所表現(xiàn)出來(lái)的獨(dú)特的ERS/ERD特征模式和腦電信號(hào)的預(yù)處理過(guò)程。針對(duì)包含大量的干擾且整體雜亂的腦電信號(hào)設(shè)計(jì)了一套濾波算法來(lái)提取特定頻段的特異性腦電信號(hào),又利用了基于小波變換的去噪算法對(duì)腦電信號(hào)進(jìn)行平滑處理。對(duì)于腦電信號(hào)的特征提取,介紹了共空間模式算法,并在此基礎(chǔ)上,將只適用于二分類任務(wù)的共空間模式算法通過(guò)“一對(duì)多”的思想推廣到了腦電信號(hào)的多分類任務(wù)。同時(shí)考慮到序列腦電信號(hào)的非平穩(wěn)性和隨機(jī)性,設(shè)計(jì)了可自主調(diào)整參數(shù)的自適應(yīng)共空間模式算法。在腦電信號(hào)的特征分類問(wèn)題研究方面,針對(duì)采集腦電信號(hào)的二分類問(wèn)題,分析了經(jīng)典的線性判別式分析,同時(shí)考慮到不同類人群的腦電信號(hào)會(huì)存在差異的實(shí)際情況,對(duì)線性判別式算法做了改進(jìn),提出了具有自適應(yīng)功能的線性判別式算法;在腦電信號(hào)的多分類問(wèn)題上,針對(duì)高維且線性不可分的腦電信號(hào)分類問(wèn)題,結(jié)合適用于腦電信號(hào)多分類任務(wù)的共空間模式算法,首次引入稀疏神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)腦電信號(hào)進(jìn)行二次特征提取并進(jìn)行多分類任務(wù),稀疏特征使得原始線性不可分的腦電信號(hào)變得線性可分,同時(shí)也有利于對(duì)腦電信號(hào)的特征進(jìn)行深度挖掘。最后,本文給出了腦電控制系統(tǒng)的設(shè)計(jì)方案,對(duì)實(shí)驗(yàn)平臺(tái)二連桿機(jī)械臂進(jìn)行了建模分析和控制器設(shè)計(jì),并通過(guò)機(jī)械臂平臺(tái)實(shí)現(xiàn)了腦機(jī)接口識(shí)別的大腦運(yùn)動(dòng)想象任務(wù)。
[Abstract]:BCI is a combination of neuroscience and machine learning, which can meet the control needs of some special environment, especially under the condition that the traditional control mode can not meet the actual needs, the BCI has a unique advantage. There is a wide application prospect. In this paper, the brain-computer interface based on EEG is mainly studied. The emphasis is to extract the patterns related to the brain motion imagination, and to recognize, mine and understand the pattern features of the brain in different active states. Finally, it is combined with the manipulator control platform. In this paper, the basic theoretical framework of EEG based BCI is introduced, including the mechanism of EEG generation, the process of EEG acquisition, The characteristic mode of ERS/ERD and the preprocessing process of EEG signal are shown in motion imagination EEG signal. A set of filtering algorithm is designed to extract the specific EEG signal in a specific frequency band for the EEG signal which contains a lot of interference and the whole clutter. The denoising algorithm based on wavelet transform is used to smooth the EEG signal. For the feature extraction of EEG signals, the common space pattern algorithm is introduced, and on this basis, the common space pattern algorithm, which is only suitable for two classification tasks, is extended to the multi-classification tasks of EEG signals by the idea of "one-to-many". Considering the nonstationarity and randomness of sequential EEG signals, an adaptive common space mode algorithm is designed, which can adjust the parameters autonomously. In the aspect of feature classification of EEG signals, the classical linear discriminant analysis is analyzed in view of the two classification problems of EEG signals collected, and the actual situation that EEG signals of different groups of people will be different is taken into account. The linear discriminant algorithm is improved, and an adaptive linear discriminant algorithm is proposed. Combined with the common spatial pattern algorithm which is suitable for EEG multi-classification tasks, sparse neural network is introduced for the first time to extract the secondary features of EEG signals and carry out multi-classification tasks. The sparse feature makes the original linear indistinguishable EEG signal linearly separable, and it is also conducive to the in-depth mining of the EEG features. Finally, the design scheme of EEG control system is given, the modeling analysis and controller design of the two-link manipulator are carried out, and the brain-computer interface recognition task of brain motion imagination is realized through the manipulator platform.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP241;R318

【相似文獻(xiàn)】

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(hào)的若干處理方法研究與評(píng)價(jià)[J];計(jì)算機(jī)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(hào)處理[J];電子設(shè)計(jì)工程;2012年24期

3 李志瑞;張文杰;;通用腦電信號(hào)處理——微機(jī)系統(tǒng)初探[J];河北師范大學(xué)學(xué)報(bào);1988年Z1期

4 ;小樣本腦電信號(hào)(EEG)處理系統(tǒng)[J];北京理工大學(xué)學(xué)報(bào);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(hào)的采集方法和應(yīng)用[J];傳感器與微系統(tǒng);2006年03期

6 黃翠玲;陳新;;腦電信號(hào)采集與管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)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(hào)的分析和監(jiān)測(cè)[J];電子技術(shù)應(yīng)用;2011年01期

8 ;《小樣本腦電信號(hào)處理系統(tǒng)》通過(guò)部級(jí)鑒定[J];北京工業(yè)學(xué)院學(xué)報(bào);1988年03期

9 梅村，，何育芬;腦電信號(hào)的自適應(yīng)分段和分類存檔[J];北京郵電大學(xué)學(xué)報(bào);1994年01期

10 梅村，張玉艷，婁瑜;腦電信號(hào)的壓縮與恢復(fù)[J];北京郵電大學(xué)學(xué)報(bào);1995年04期

相關(guān)會(huì)議論文 前10條

1 薛蘊(yùn)全;王秋英;王宏;;腦電信號(hào)的動(dòng)態(tài)時(shí)空響應(yīng)拓?fù)鋱D[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號(hào)診斷專家系統(tǒng)的研究[A];中國(guó)生理學(xué)會(huì)第21屆全國(guó)代表大會(huì)暨學(xué)術(shù)會(huì)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(hào)采集方法與應(yīng)用研究[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)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(hào)的假手的研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國(guó)家——2006中國(guó)科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

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

6 童珊;黃華;陳槐卿;;混沌理論在腦電信號(hào)分析中的應(yīng)用[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

7 李凌;曾慶寧;堯德中;;利用兩級(jí)抗交叉串?dāng)_自適應(yīng)濾波器提取誘發(fā)腦電信號(hào)[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

8 葛家怡;周鵬;王明時(shí);;睡眠腦電信號(hào)樣本熵的研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

9 李麗君;黃思娟;吳效明;熊冬生;;基于運(yùn)動(dòng)想象的腦電信號(hào)特征提取與分類[A];中國(guó)儀器儀表學(xué)會(huì)醫(yī)療儀器分會(huì)2010兩岸四地生物醫(yī)學(xué)工程學(xué)術(shù)年會(huì)論文集[C];2010年

10 葛家怡;周鵬;王明時(shí);;睡眠腦電信號(hào)樣本熵的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

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

相關(guān)博士學(xué)位論文 前10條

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

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

3 馬小飛;認(rèn)知任務(wù)下的腦電動(dòng)力學(xué)分析[D];南京大學(xué);2017年

4 吳畏;基于統(tǒng)計(jì)建模的多導(dǎo)聯(lián)腦電信號(hào)時(shí)空建模方法研究[D];清華大學(xué);2012年

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

6 周群;腦電信號(hào)同步：方法及應(yīng)用研究[D];電子科技大學(xué);2009年

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

8 李春勝;腦電信號(hào)混沌特性的研究與應(yīng)用[D];東北大學(xué);2011年

9 歐陽(yáng)高翔;癲癇腦電信號(hào)的非線性特征識(shí)別與分析[D];燕山大學(xué);2010年

10 繆曉波;基于腦電信號(hào)的認(rèn)知?jiǎng)恿W(xué)系統(tǒng)研究——線性/非線性方法及動(dòng)態(tài)時(shí)—頻—空分析[D];重慶大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 聶雙喜;基于運(yùn)動(dòng)想象腦電信號(hào)的機(jī)械臂控制系統(tǒng)研究[D];電子科技大學(xué);2017年

2 蘭艷梅;輕度認(rèn)知障礙患者的腦電信號(hào)實(shí)驗(yàn)研究及其分析處理[D];中國(guó)地質(zhì)大學(xué)(北京);2017年

3 于洪;基于腦電信號(hào)的警覺(jué)度估計(jì)[D];上海交通大學(xué);2007年

4 蔣潔;基于高性能計(jì)算的腦電信號(hào)分析[D];燕山大學(xué);2010年

5 張志琴;腦電信號(hào)的復(fù)雜性分析[D];中南大學(xué);2009年

6 許鳳娟;腦電信號(hào)采集與分析系統(tǒng)的設(shè)計(jì)[D];長(zhǎng)春理工大學(xué);2011年

7 曹銘;意識(shí)障礙患者腦電信號(hào)的非線性動(dòng)力學(xué)評(píng)價(jià)分析[D];杭州電子科技大學(xué);2012年

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

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

10 陳澤濤;基于腦電信號(hào)分析的AD早期評(píng)估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];燕山大學(xué);2015年

本文編號(hào)：1794427