【摘要】：腦機(jī)接口(Brain Computer Interface,BCI)是一種不依賴于外部神經(jīng)和肌肉,直接將腦電信號(hào)(Electroencephalogram,EEG)轉(zhuǎn)化為控制指令控制外部設(shè)備運(yùn)行的通訊系統(tǒng)。世界上由于各種事故導(dǎo)致身體失去運(yùn)動(dòng)能力的人很多,大多數(shù)殘疾人活動(dòng)空間有限,通常只能在病床和輪椅上活動(dòng)。BCI的誕生為他們實(shí)現(xiàn)與外部的交流提供了可替代手段。此外,BCI在軍事、腦科學(xué)等領(lǐng)域應(yīng)用廣泛,近些年來已成為人工智能的熱點(diǎn)。具有廣闊的市場(chǎng)范圍和極大的社會(huì)價(jià)值。目前國內(nèi)外腦機(jī)接口主流研究方向有穩(wěn)態(tài)視覺誘發(fā)電位、P300電位、慢皮層電位、運(yùn)動(dòng)想象等方式,其中前三種是通過外界刺激產(chǎn)生腦電信號(hào),諸如視覺刺激、體感刺激等誘發(fā)電腦產(chǎn)生一定規(guī)律的信號(hào),然后對(duì)誘發(fā)信號(hào)進(jìn)行處理和分類。運(yùn)動(dòng)想象則是人體自發(fā)產(chǎn)生有關(guān)動(dòng)作意向的信號(hào),具有實(shí)際意義,其中奧地利Graz科技大學(xué)的研究團(tuán)隊(duì)是這一領(lǐng)域的先驅(qū)。時(shí)至今日,基于運(yùn)動(dòng)想想模式的BCI系統(tǒng)已應(yīng)用到生活中,諸如腦控賽車、腦控游戲等,本文研究方向即為運(yùn)動(dòng)想象模式。本文圍繞課題研究基于運(yùn)動(dòng)想象模式下的腦機(jī)接口系統(tǒng),分析四種運(yùn)動(dòng)想象任務(wù)的腦電信號(hào)分類情況,課題研究主要在EEG信號(hào)采集、特征值提取、模式分類等方面開展工作。首先,以2008年BCI競賽信號(hào)采集方式為本次實(shí)驗(yàn)范式,利用Emotive Epoc+采集EEG信號(hào)并對(duì)EEG信號(hào)進(jìn)行濾波處理,然后利用主成分分析提取EEG信號(hào)特征值,基于標(biāo)準(zhǔn)BP算法的不足和局限性,分別采用改進(jìn)算法Levenberg Marquardt(LM)方法、自適應(yīng)lr梯度法、有動(dòng)量梯度下降法三種方法對(duì)所提取信號(hào)特征值進(jìn)行分類比較。最后設(shè)計(jì)算法驗(yàn)證方案,基于MATLAB GUI平臺(tái)設(shè)計(jì)交互界面、編寫回調(diào)函數(shù),通過藍(lán)牙串口與Arduino智能車鏈接驗(yàn)證算法的可行性。針對(duì)信號(hào)分類:采用自適應(yīng)lr梯度法和動(dòng)量梯度下降法對(duì)EEG信號(hào)進(jìn)行分類的平均誤差為0.0207和0.0328,分類準(zhǔn)確率分別為52%、49%。而LM算法的平均誤差為5.6306×10~(-7),分類準(zhǔn)確率為86%。實(shí)驗(yàn)結(jié)果表明LM算法的分類效果最好,所設(shè)計(jì)串口通信界面與Arduino小車通信效果良好,為進(jìn)一步研究在線腦機(jī)接口系統(tǒng)奠定了基礎(chǔ)。
【學(xué)位授予單位】：山東農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP18;R318
【圖文】：

提供一種嶄新的娛樂方式。目前市場(chǎng)上一些腦控產(chǎn)品，諸如腦控術(shù)方面相對(duì)成熟，開發(fā)成本不高，操作簡單，贏得廣大人群的喜城市已開展此類娛樂設(shè)施，極大豐富了人們的精神文化生活，提。開了增強(qiáng)人類控制周圍環(huán)境的能力，極有可能引發(fā)人類大腦意識(shí)式的革命（蔡燕福，2015），為進(jìn)一步增強(qiáng)大腦認(rèn)知和研究神經(jīng)探索方向。實(shí)踐證明研究腦機(jī)接口對(duì)現(xiàn)在以及未來具有極大的研接口概述在人或者動(dòng)物與外部設(shè)備之間創(chuàng)建的連通通道，是一種不依賴于外周神經(jīng)系統(tǒng)及肌肉組織)的腦-機(jī)(計(jì)算機(jī)或其它裝置)通訊系統(tǒng)。信號(hào)預(yù)處理、特征值提取、模式識(shí)別、控制應(yīng)用五部分構(gòu)成，如圖

人腦結(jié)構(gòu)

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李青敏;李忠正;邱繼文;郭永明;;基于EEG腦機(jī)接口的研究現(xiàn)狀及在康復(fù)中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2017年03期

2 許童羽;馬藝銘;曹英麗;唐瑞;陳俊杰;;基于主成分分析和遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的光伏輸出功率短期預(yù)測(cè)[J];電力系統(tǒng)保護(hù)與控制;2016年22期

3 徐佳琳;左國坤;;基于互信息與主成分分析的運(yùn)動(dòng)想象腦電特征選擇算法[J];生物醫(yī)學(xué)工程學(xué)雜志;2016年02期

4 姚楠;耿奇;;基于MATLAB GUI的車牌自動(dòng)識(shí)別系統(tǒng)設(shè)計(jì)[J];軟件;2016年03期

5 段峰峰;王永濱;楊麗芳;潘淑靜;;基于主成分分析方向深度梯度直方圖的立體視覺深度圖特征提取[J];計(jì)算機(jī)應(yīng)用;2016年01期

6 孫會(huì)文;伏云發(fā);熊馨;楊俊;劉傳偉;余正濤;;基于HHT運(yùn)動(dòng)想象腦電模式識(shí)別研究[J];自動(dòng)化學(xué)報(bào);2015年09期

7 汪海波;陳雁翔;李艷秋;;基于主成分分析和Softmax回歸模型的人臉識(shí)別方法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年06期

8 孔麗文;薛召軍;陳龍;何峰;綦宏志;萬柏坤;明東;;基于虛擬現(xiàn)實(shí)環(huán)境的腦機(jī)接口技術(shù)研究進(jìn)展[J];電子測(cè)量與儀器學(xué)報(bào);2015年03期

9 劉鐵軍;張銳;徐鵬;;基于運(yùn)動(dòng)想象的腦機(jī)接口關(guān)鍵技術(shù)研究[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2014年06期

10 堯德中;;腦機(jī)接口:從神奇到現(xiàn)實(shí)轉(zhuǎn)變[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2014年06期

相關(guān)碩士學(xué)位論文 前10條

1 趙利民;基于運(yùn)動(dòng)想象的腦電信號(hào)特征提取與分類方法研究[D];太原理工大學(xué);2016年

2 徐竹濤;基于MATLAB GUI的溫室滴灌系統(tǒng)優(yōu)化設(shè)計(jì)方法研究[D];西北農(nóng)林科技大學(xué);2016年

3 康莎莎;多類運(yùn)動(dòng)想象腦電信號(hào)的識(shí)別及其在BCI中的應(yīng)用[D];安徽大學(xué);2016年

4 王延達(dá);基于運(yùn)動(dòng)想象的腦電信號(hào)識(shí)別算法研究[D];南京航空航天大學(xué);2016年

5 梁致漢;基于EEG的腦機(jī)接口技術(shù)研究與實(shí)現(xiàn)[D];天津理工大學(xué);2015年

6 鄒霞;基于SSVEP的腦機(jī)接口系統(tǒng)設(shè)計(jì)與研究[D];南昌大學(xué);2014年

7 沈之芳;基于P300的腦機(jī)接口及其在線半監(jiān)督學(xué)習(xí)[D];華南理工大學(xué);2014年

8 胡凱;基于運(yùn)動(dòng)想象的在線腦機(jī)接口的初步研究[D];西安電子科技大學(xué);2013年

9 張璐琳;基于腦機(jī)接口的控制及虛擬場(chǎng)景應(yīng)用研究[D];哈爾濱工程大學(xué);2013年

10 譚陽;基于腦波的圖像情感特征映射研究[D];東華大學(xué);2012年

本文編號(hào)：2714589