腦-機接口（Brain Computer Interfaces,BCI）包括多種模式,其中運動想象腦-機接口（Motor Imagery Brain-Computer Interface,MI-BCI）通過解碼運動想象激發(fā)腦電信號的節(jié)律變化,控制外部裝置,應用領域廣泛。本文以實現腦電信號控制智能機器人的前進、左轉和右轉為目標,以單次檢測錯誤相關負電位（Error Related Negativity,ERN）為切入點,進而實現系統自主識別錯誤的運動想象分類,重點解決MI-BCI工程系統中反饋效果差的問題。研究過程中,以三分類運動想象測試對象,著重解決基于ERN反饋的MI-BCI系統的結構設計、實驗范式的設計、運動想象特征提取技術、ERN反饋裝置技術、ERN單次特征提取及檢測技術、系統控制平臺的搭建等一系列工程技術問題。主要完成工作包括:（1）設計了在線運動想象誘發(fā)ERN實驗范式。實驗基于運動想象在線處理系統,采用屏幕顯示運動想象分類識別結果誘發(fā)ERN;通過對屏幕顯示出現時刻打標,定位ERN的起始點,完成對受試者感知錯誤時刻準確定位,為后續(xù)ERN時域分析提供可靠時間參考點。（2）設計了運... 

【文章來源】：鄭州大學河南省 211工程院校

【文章頁數】：72 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景及意義
    1.2 MI-BCI技術研究現狀
    1.3 存在問題及研究趨勢
    1.4 解決思路
    1.5 研究內容和論文結構
2 關鍵技術研究
    2.1 系統功能分析與結構設計
    2.2 實驗范式的設計
        2.2.1 離線運動想象實驗范式
        2.2.2 在線運動想象誘發(fā)ERN實驗范式
    2.3 運動想象特征提取技術
        2.3.1 小波變換提取運動想象特征
        2.3.2 小波包分解提取運動想象特征
        2.3.3 CSP提取運動想象特征
        2.3.4 AR功率譜估計提取運動想象特征
        2.3.5 運動想象特征分類結果對比
    2.4 ERN單次特征提取及檢測技術
        2.4.1 技術難點
        2.4.2 去除偽跡
        2.4.3 ERN激活區(qū)域分析
        2.4.4 ERN時域特性分析
        2.4.5 提取ERN特征
        2.4.6 ERN特征優(yōu)化
        2.4.7 五折交叉驗證結果
    2.5 本章小結
3 基于ERN反饋的MI-BCI系統設計
    3.1 信號采集模塊設計
        3.1.1 實驗范式刺激程序的設計
        3.1.2 采集電極導聯的設計
        3.1.3 Scan4.5軟件參數的設置
    3.2 運動想象在線分類識別模塊設計
        3.2.1 EEG預處理模塊設計
        3.2.2 運動想象特征提取模塊
        3.2.3 離線訓練模型
    3.3 ERN反饋裝置
    3.4 外部裝置控制模塊
    3.5 硬件和軟件基礎
    3.6 系統控制平臺設計
        3.6.1 系統控制平臺框架設計
        3.6.2 系統控制平臺工作模式設計
        3.6.3 與EEG采集系統的通信
        3.6.4 與E-Prime通信
        3.6.5 調用MATLAB程序
        3.6.6 外部裝置通信
    3.7 小結
4 基于ERN反饋的MI-BCI系統實現
    4.1 受試者的選擇
    4.2 系統在線測試準備工作
    4.3 系統在線測試
    4.4 測試結果及分析
    4.5 本章小結
5 總結與展望
    5.1 總結
    5.2 展望
參考文獻
個人簡歷、在學期間發(fā)表的學術論文及參與的項目
致謝


【參考文獻】：
期刊論文
[1]基于小波變換和盲源分離的P300識別算法研究[J]. 胡春海,信思旭,劉斌,劉永紅.  計量學報. 2017(02)
[2]基于小波多尺度分析和極限學習機的癲癇腦電分類算法[J]. 崔剛強,夏良斌,梁建峰,涂敏.  生物醫(yī)學工程學雜志. 2016(06)
[3]基于左右手運動想象單通道腦電信號的預處理研究[J]. 李松,伏云發(fā),楊秋紅,劉傳偉,孫會文.  生物醫(yī)學工程學雜志. 2016(05)
[4]高精度微弱腦電檢測數模混合控制芯片系統[J]. 孫建輝,劉軍濤,徐聲偉,蓋淑萍,蔡新霞.  儀器儀表學報. 2016(05)
[5]基于馬爾科夫切換過程的運動想象信號分類[J]. 吳俊,楊雅,俞祝良,顧正暉,李遠清.  中國生物醫(yī)學工程學報. 2014(06)
[6]基于時-頻-空間域的運動想象腦電信號特征提取方法研究[J]. 王月茹,李昕,李紅紅,邵成成,應立娟,吳水才.  生物醫(yī)學工程學雜志. 2014(05)
[7]基于歸一化AR模型譜值的運動想像腦電識別[J]. 周瑛,羅志增.  華中科技大學學報(自然科學版). 2013(S1)
[8]一種基于盲源分離的眼電偽跡自動去除方法[J]. 計瑜,沈繼忠,施錦河.  浙江大學學報(工學版). 2013(03)
[9]基于小波變換和時域能量熵的P300特征提取算法[J]. 王攀,沈繼忠,施錦河.  儀器儀表學報. 2011(06)
[10]三維虛擬現實環(huán)境中基于EEG的異步BCI小車導航系統[J]. 趙啟斌,張麗清,CICHOCKI Andrzej.  科學通報. 2008(23)

博士論文
[1]運動想象腦—機接口的神經機制與識別算法研究[D]. 張銳.電子科技大學 2015

碩士論文
[1]基于異步在線BCI的機器人導航系統研究[D]. 張利朋.鄭州大學 2016
[2]基于盲源分離的眼電偽跡去除技術研究[D]. 張姍姍.鄭州大學 2014



本文編號：3164693