腦電信號(hào)是由大腦內(nèi)部的神經(jīng)元細(xì)胞產(chǎn)生的一種非線性的、隨機(jī)的、微伏級(jí)的生物電信號(hào),是神經(jīng)元細(xì)胞群體活動(dòng)生物電在頭皮表層的綜合反映。人體表面肌電信號(hào)是淺層神經(jīng)肌肉細(xì)胞興奮收縮,引起表面電位變化而形成的一種電信號(hào)。目前國(guó)內(nèi)外對(duì)于腦機(jī)交互技術(shù)的相關(guān)研究越來(lái)越多,從理論和實(shí)踐證明了該技術(shù)的可行性。同時(shí)由于肌電信號(hào)的確定性和高識(shí)別率,其已經(jīng)成為一種理想的人機(jī)交互控制信號(hào)源。基于肌電信號(hào)單獨(dú)控制的人機(jī)交互技術(shù)已經(jīng)有許多成熟應(yīng)用,但是利用肌電和腦電互補(bǔ)優(yōu)勢(shì),作為協(xié)同控制信號(hào)源控制外部裝置及設(shè)備的研究還比較少。由于表面肌電信號(hào)可以直接反映人體的肢體活動(dòng),因此非常適用于擬人化控制;而大腦作為人的神經(jīng)中樞,通過(guò)大腦皮層采集的腦電信號(hào)含有豐富的控制信息,可以作為被控設(shè)備的控制信號(hào)源。本文從腦電和肌電信號(hào)研究現(xiàn)狀出發(fā),對(duì)信號(hào)的采集、預(yù)處理、特征提取和模式識(shí)別方法做了詳細(xì)的研究和分析。同時(shí)還研發(fā)了一款基于腦電和肌電控制的多模式遙操作輪式小車(chē),為本文提出的腦電和肌電信號(hào)分析算法提供了一個(gè)在線驗(yàn)證平臺(tái)。本文利用腦電信號(hào)控制輪式小車(chē)的四種運(yùn)動(dòng)狀態(tài)即左轉(zhuǎn)、右轉(zhuǎn)、前進(jìn)和后退;六軸姿態(tài)傳感器控制輪式小車(chē)上的六自由度機(jī)械臂;肌... 

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 生物電信號(hào)概述
        1.2.1 生物電信號(hào)
        1.2.2 用于人機(jī)交互的生物電控制信號(hào)源選取
    1.3 基于生物電信號(hào)人機(jī)交互的國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 腦電信號(hào)人機(jī)交互控制研究現(xiàn)狀
        1.3.2 肌電信號(hào)人機(jī)交互控制研究現(xiàn)狀
    1.4 人機(jī)交互中生物電信號(hào)處理方法概述
        1.4.1 腦電/肌電信號(hào)預(yù)處理
        1.4.2 腦電/肌電信號(hào)特征提取
        1.4.3 腦電/肌電信號(hào)模式分類(lèi)
    1.5 主要研究?jī)?nèi)容與論文結(jié)構(gòu)
    1.6 本章小結(jié)
第2章 腦電/肌電信號(hào)用于人機(jī)交互的實(shí)驗(yàn)設(shè)計(jì)
    2.1 腦電信號(hào)采集
        2.1.1 腦電信號(hào)生理學(xué)基礎(chǔ)
        2.1.2 腦電信號(hào)分類(lèi)
        2.1.3 腦電信號(hào)采集設(shè)備簡(jiǎn)介
        2.1.4 腦電信號(hào)控制輪式小車(chē)的可行性分析
        2.1.5 腦電信號(hào)采集實(shí)驗(yàn)范式
    2.2 肌電信號(hào)采集
        2.2.1 肌電信號(hào)采集設(shè)備簡(jiǎn)介
        2.2.2 肌電信號(hào)控制機(jī)械手的可行性分析
        2.2.3 肌電信號(hào)采集實(shí)驗(yàn)范式
    2.3 本章小結(jié)
第3章 腦電和肌電信號(hào)的預(yù)處理
    3.1 常見(jiàn)的信號(hào)消噪方法
        3.1.1 基于小波變換的消噪方法
        3.1.2 基于盲源分離的消噪方法
    3.2 基于雙曲正切函數(shù)降噪源分離的腦電信號(hào)預(yù)處理方法
        3.2.1 降噪源分離的基本原理
        3.2.2 基于雙曲正切函數(shù)的降噪源分離方法
        3.2.3 腦電信號(hào)預(yù)處理實(shí)驗(yàn)
        3.2.4 實(shí)驗(yàn)結(jié)果分析
    3.3 肌電信號(hào)的預(yù)處理
        3.3.1 基于小波變換的消噪方法
        3.3.2 肌電信號(hào)的消噪實(shí)驗(yàn)及分析
    3.4 本章小結(jié)
第4章 腦電和肌電信號(hào)的特征提取與分類(lèi)
    4.1 腦電信號(hào)特征提取
        4.1.1 基于小波變換的特征提取
        4.1.2 基于二值距離矩陣的快速近似熵特征提取
    4.2 肌電信號(hào)特征提取
        4.2.1 肌電信號(hào)多階聯(lián)合特征
        4.2.2 肌電信號(hào)特征提取實(shí)驗(yàn)及分析
    4.3 基于DAG的多分類(lèi)支持向量機(jī)
        4.3.1 支持向量機(jī)算法理論基礎(chǔ)
        4.3.2 DAG-SVM算法概述
    4.4 實(shí)驗(yàn)結(jié)果及分析
        4.4.1 運(yùn)動(dòng)想象腦電信號(hào)分類(lèi)實(shí)驗(yàn)及分析
        4.4.2 肌電信號(hào)分類(lèi)實(shí)驗(yàn)及分析
    4.5 本章小結(jié)
第5章 生物電信號(hào)控制的遙操作輪式小車(chē)控制系統(tǒng)
    5.1 基于腦電和肌電控制的遙操作輪式小車(chē)簡(jiǎn)介
    5.2 控制系統(tǒng)子模塊介紹
        5.2.1 腦電信號(hào)采集與處理模塊
        5.2.2 手臂姿態(tài)采集與處理模塊
        5.2.3 輪式小車(chē)控制模塊
        5.2.4 機(jī)械臂控制模塊
        5.2.5 視頻顯示模塊
    5.3 輪式小車(chē)在線控制實(shí)驗(yàn)
    5.4 基于Android的肌電信號(hào)在線控制系統(tǒng)
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 研究展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3671496