腦-機(jī)接口（Brain-Computer Interface,BCI）通過(guò)解析輸入的腦電信號(hào),將用戶的意圖解碼為控制指令來(lái)控制輸出設(shè)備,實(shí)現(xiàn)人腦與外部設(shè)備的交互。腦-機(jī)接口技術(shù)的核心是腦電信號(hào)的識(shí)別,但腦電信號(hào)具有非線性和非平穩(wěn)性等特點(diǎn),如何有效地提取腦電信號(hào)特征成為識(shí)別腦電信號(hào)的關(guān)鍵。因此,本文針對(duì)運(yùn)動(dòng)想象腦電信號(hào)的特征提取和系統(tǒng)實(shí)現(xiàn)展開(kāi)研究,具有重要的理論研究和實(shí)際應(yīng)用價(jià)值。首先,對(duì)BCI技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行分析,設(shè)計(jì)了基于左右手運(yùn)動(dòng)想象腦電信號(hào)的BCI系統(tǒng),并對(duì)腦電信號(hào)的采集方式進(jìn)行了介紹。同時(shí),通過(guò)對(duì)當(dāng)前腦電信號(hào)分析方法的研究,確定了本文特征提取和分類識(shí)別的基礎(chǔ)方法。然后,針對(duì)傳統(tǒng)BCI系統(tǒng)延遲時(shí)間較高的問(wèn)題,提出一種基于經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition,EMD）的腦電信號(hào)短時(shí)特征提取方法ST-EMD。該方法通過(guò)窗函數(shù)對(duì)腦電信號(hào)進(jìn)行分段截取,并對(duì)截取信號(hào)的邊界極值進(jìn)行延拓,將信號(hào)自適應(yīng)地分解成多個(gè)固有模態(tài)函數(shù)（Intrinsic Mode Function,IMF）,獲得具有較高分辨率的時(shí)頻域特征。最后,將得到的特征通過(guò)支持向量機(jī)（Su... 

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 本課題研究背景和意義
    1.2 腦-機(jī)接口技術(shù)概述
        1.2.1 BCI系統(tǒng)的組成
        1.2.2 腦電信號(hào)概述
    1.3 BCI技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀
    1.4 本文的章節(jié)安排
    1.5 本章小結(jié)
第2章 基于運(yùn)動(dòng)想象的腦-機(jī)接口系統(tǒng)
    2.1 系統(tǒng)總體框架設(shè)計(jì)
    2.2 腦電信號(hào)采集系統(tǒng)
        2.2.1 實(shí)驗(yàn)數(shù)據(jù)采集儀Emotiv
        2.2.2 腦電信號(hào)的采集方式
    2.3 腦電信號(hào)處理方法分析
        2.3.1 特征提取
        2.3.2 分類器
    2.4 本章小結(jié)
第3章 基于EMD的腦電信號(hào)短時(shí)特征提取方法
    3.1 經(jīng)驗(yàn)?zāi)B(tài)分解
    3.2 基于ST-EMD的腦電信號(hào)特征提取
        3.2.1 腦電信號(hào)分段處理
        3.2.2 對(duì)分段信號(hào)進(jìn)行EMD分解
        3.2.3 基于Hilbert變換的時(shí)頻域特征分析
    3.3 分類器設(shè)計(jì)
    3.4 基于左右手運(yùn)動(dòng)想象數(shù)據(jù)集的線下實(shí)驗(yàn)
    3.5 本章小結(jié)
第4章 基于EMD和改進(jìn)CSP的腦電信號(hào)多特征識(shí)別方法
    4.1 CSP算法統(tǒng)一模型
    4.2 基于EMD-CSP的腦電信號(hào)多特征提取方法
        4.2.1 基于改進(jìn)CSP的腦電信號(hào)特征提取
        4.2.2 IMF時(shí)頻域特征提取
    4.3 運(yùn)動(dòng)想象腦電信號(hào)特征向量構(gòu)造
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 基于BCI Competition II數(shù)據(jù)集的比較
        4.4.2 線下離線實(shí)驗(yàn)
    4.5 本章小結(jié)
第5章 基于BCI的智能輪椅人機(jī)交互系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 基于BCI的智能輪椅人機(jī)交互系統(tǒng)平臺(tái)
        5.1.1 硬件平臺(tái)
        5.1.2 軟件平臺(tái)
    5.2 系統(tǒng)控制方案設(shè)計(jì)
        5.2.1 控制指令設(shè)置
        5.2.2 硬件系統(tǒng)設(shè)計(jì)
        5.2.3 軟件系統(tǒng)設(shè)計(jì)
    5.3 實(shí)驗(yàn)方案與結(jié)果
        5.3.1 實(shí)驗(yàn)方案設(shè)計(jì)
        5.3.2 實(shí)驗(yàn)結(jié)果及分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)共空間模式與視覺(jué)反饋的閉環(huán)腦機(jī)接口[J]. 任士鑫,王衛(wèi)群,侯增廣,陳霸東,石偉國(guó),王佳星,梁旭.  機(jī)械工程學(xué)報(bào). 2019(11)
[2]運(yùn)動(dòng)想象腦-機(jī)接口新進(jìn)展與發(fā)展趨勢(shì)[J]. 趙欣,陳志堂,王坤,王仲朋,周鵬,綦宏志.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2019(01)
[3]CNN與CSP相結(jié)合的腦電特征提取與識(shí)別方法研究[J]. 孔祥浩,馬琳,薄洪健,李海峰.  信號(hào)處理. 2018(02)
[4]基于總體經(jīng)驗(yàn)?zāi)B(tài)分解的多類特征的運(yùn)動(dòng)想象腦電識(shí)別方法研究[J]. 楊默涵,陳萬(wàn)忠,李明陽(yáng).  自動(dòng)化學(xué)報(bào). 2017(05)
[5]Bagging RCSP腦電特征提取算法[J]. 張毅,尹春林,蔡軍,羅久飛.  自動(dòng)化學(xué)報(bào). 2017(11)
[6]基于深度卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)想象分類及其在腦控外骨骼中的應(yīng)用[J]. 唐智川,張克俊,李超,孫守遷,黃琦,張三元.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[7]腦-計(jì)算機(jī)接口技術(shù)在腦卒中患者中的應(yīng)用[J]. 陸蓉蓉,吳毅.  康復(fù)學(xué)報(bào). 2016(05)
[8]基于EEMD和WT的運(yùn)動(dòng)想象腦電信號(hào)消噪方法[J]. 蔡慧,馬玉良,佘青山,高云園,孟明.  傳感技術(shù)學(xué)報(bào). 2016(05)
[9]基于HHT運(yùn)動(dòng)想象腦電模式識(shí)別研究[J]. 孫會(huì)文,伏云發(fā),熊馨,楊俊,劉傳偉,余正濤.  自動(dòng)化學(xué)報(bào). 2015(09)
[10]基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位的腦-機(jī)接口無(wú)線智能家居系統(tǒng)研究[J]. 趙麗,邢瀟,郭旭宏,劉澤華,何洋.  生物醫(yī)學(xué)工程學(xué)雜志. 2014(05)

博士論文
[1]多自由度柔性踝關(guān)節(jié)康復(fù)機(jī)器人的人機(jī)協(xié)作控制研究[D]. 劉艾明.武漢理工大學(xué) 2018

碩士論文
[1]基于想象左右手運(yùn)動(dòng)思維腦電識(shí)別分類研究[D]. 何青松.北京交通大學(xué) 2016
[2]腦電采集系統(tǒng)軟件設(shè)計(jì)[D]. 梁顯龍.電子科技大學(xué) 2016
[3]基于BCI技術(shù)的手部運(yùn)動(dòng)功能康復(fù)研究[D]. 郭碩達(dá).北京工業(yè)大學(xué) 2015
[4]時(shí)頻分析及其在腦電信號(hào)分析中應(yīng)用的研究[D]. 吳曉彬.大連理工大學(xué) 2005



本文編號(hào)：3729733