發(fā)布時間：2021-02-21 19:21

　　由于在康復(fù)醫(yī)療等行業(yè)的突出貢獻,腦-機接口（Brain Computer Interface,BCI）已經(jīng)成為國際智能科學領(lǐng)域的一個研究熱點�；趩未芜\動想象腦電信號的BCI系統(tǒng)是將不同運動的腦想象產(chǎn)生的腦電（Electroencephalogram,EEG）信號作為輸入,通過分析生成判斷運動狀態(tài)的控制信號。對于EEG信號的模式識別是整個系統(tǒng)設(shè)計中的重點。本文以單次運動想象腦電信號的意圖識別為基礎(chǔ),研究分析了動想象EEG信號的采集、去噪、特征提取、分類的過程。（1）針對自發(fā)的腦電誘發(fā)范式缺少監(jiān)督,長期單調(diào)的任務(wù)容易造成受試者注意力下降等問題,文章提出了一種具有運動反饋的腦電誘發(fā)范式——“碗球”實驗。在腦電意圖想象的基礎(chǔ)上添加動態(tài)反饋控制,以研究約束操作對象任務(wù)中的腦電意圖識別。（2）EEG信號中包含豐富的時間空間信息,為了濾除其中的噪聲偽跡,本文對最大分量分析法和獨立成分分析法在去除腦電信號所包含偽跡的分離性能以及處理的實時性進行對比。結(jié)果表明,兩種方法對噪聲信號均具有分離效果,且都可以保證實時性,但最大分量分析法比獨立成分分析法具有分離效果更好,相關(guān)性指標更高,分離相似度高,相似度值... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究意義
    1.2 腦-機接口技術(shù)概述
        1.2.1 腦-機接口的基本概念和研究意義
        1.2.2 腦-機接口的基本組成
        1.2.3 腦-機接口研究中的腦神經(jīng)信號
    1.3 基于運動想象BCI的國內(nèi)外研究現(xiàn)狀和發(fā)展
        1.3.1 國外研究現(xiàn)狀
        1.3.2 國內(nèi)研究現(xiàn)狀
    1.4 本文的主要研究內(nèi)容及組織結(jié)構(gòu)
第2章 運動想象腦電數(shù)據(jù)
    2.1 腦電信號的基本理論
        2.1.1 腦電信號產(chǎn)生的機制
        2.1.2 腦電信號的分類
        2.1.3 腦電信號的特點
    2.2 腦電信號的采集
    2.3 運動想象腦電信號
    2.4 “碗球”實驗
        2.4.1 設(shè)計思想
        2.4.2 數(shù)學建模
        2.4.3 數(shù)據(jù)采集
        2.4.4 數(shù)據(jù)截取
    2.5 本章小結(jié)
第3章 基于子成分分解的腦電信號去噪方法比較研究
    3.1 基于子成分分解的算法原理
        3.1.1 最大分量分析方法
        3.1.2 獨立分量分析
    3.2 結(jié)果分析
        3.2.1 分離結(jié)果
        3.2.2 分離性能評價
    3.3 本章小結(jié)
第4章 基于相位波動尺度分析的EEG特征提取
    4.1 算法流程
    4.2 相位特征分析
    4.3 尺度分析
    4.4 本章小結(jié)
第5章 運動想象腦電信號特征識別
    5.1 分類器算法原理
    5.2 結(jié)果分析
        5.2.1 BCI競爭數(shù)據(jù)集
        5.2.2 “碗球”實驗數(shù)據(jù)集
    5.3 其他分類方法
    5.4 結(jié)果討論
    5.5 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間承擔的科研任務(wù)與主要成果
致謝


【參考文獻】：
期刊論文
[1]基于可調(diào)Q因子小波變換的識別左右手運動想象腦電模式研究[J]. 陳萬忠,王曉旭,張濤.  電子與信息學報. 2019(03)
[2]有約束復(fù)雜隨動被控對象理論分析與模型建立[J]. 付榮榮,田永勝,侯培國,鮑甜恬.  高技術(shù)通訊. 2018(Z2)
[3]腦機接口技術(shù)在創(chuàng)傷性腦損傷神經(jīng)功能修復(fù)中的應(yīng)用研究進展[J]. 馬珂,徐會友,江繼鵬,段峰,牛學剛,張賽,陳旭義,涂悅.  中華創(chuàng)傷雜志. 2018 (08)
[4]腦機接口技術(shù)的神經(jīng)康復(fù)與新型應(yīng)用[J]. 明東,安興偉,王仲朋,萬柏坤.  科技導(dǎo)報. 2018(12)
[5]穩(wěn)態(tài)視覺誘發(fā)電位頻率響應(yīng)特性研究[J]. 陳小剛,徐圣普.  北京生物醫(yī)學工程. 2018(03)
[6]腦機接口技術(shù)綜述[J]. 賀文韜.  數(shù)字通信世界. 2018(01)
[7]基于子空間分解的腦電信號眼電偽跡自動去除方法研究[J]. 付榮榮,侯培國,時培明,孟宗.  計量學報. 2017(06)
[8]基于多類運動想象任務(wù)的EEG信號分類研究[J]. 馬滿振,郭理彬,蘇奎峰.  計算機測量與控制. 2017(10)
[9]基于總體經(jīng)驗?zāi)B(tài)分解的多類特征的運動想象腦電識別方法研究[J]. 楊默涵,陳萬忠,李明陽.  自動化學報. 2017(05)
[10]多類運動想象腦電信號的兩級特征提取方法[J]. 孟明,朱俊青,佘青山,馬玉良,羅志增.  自動化學報. 2016(12)



本文編號：3044800