本文關(guān)鍵詞：基于智能眼鏡的BCI技術(shù)研究

  更多相關(guān)文章： 腦機(jī)接口（BCI） 智能眼鏡 虛擬現(xiàn)實(shí)（VR） 事件相關(guān)去同步（ERD） 共空間模式(CSP) 小波變換 支持向量機(jī)（SVM） 在線

【摘要】：腦-機(jī)接口（Brain-Computer-Interface,BCI）是一種人機(jī)交互技術(shù)，它可以不依賴于正常的由外圍神經(jīng)和肌肉組成的輸出通路，而僅通過(guò)對(duì)腦電信號(hào)的采集和處理，實(shí)現(xiàn)大腦直接對(duì)外部設(shè)備的控制。智能眼鏡可以通過(guò)雙眼對(duì)應(yīng)屏幕顯示不同的場(chǎng)景來(lái)實(shí)現(xiàn)立體影像的播放，提供虛擬現(xiàn)實(shí)（Virtual Reality，VR）的場(chǎng)景。腦機(jī)接口結(jié)合智能眼鏡虛擬現(xiàn)實(shí)技術(shù)可以提供沉浸感更強(qiáng)的人機(jī)交互方式，目前已成為腦機(jī)交互領(lǐng)域的研究熱點(diǎn)。 本文工作中首先構(gòu)建了基于腦電信號(hào)的在線腦機(jī)接口平臺(tái)，針對(duì)下肢想象動(dòng)作任務(wù)經(jīng)常存在的手部動(dòng)作干擾問(wèn)題，設(shè)計(jì)了腦電信號(hào)的誘發(fā)與采集實(shí)驗(yàn)，使用時(shí)頻分析法和腦地形圖法分析被試感覺(jué)運(yùn)動(dòng)區(qū)是否產(chǎn)生ERD現(xiàn)象，然后使用小波包變換和CSP算法分別提取ERD特征值，送入SVM分類器進(jìn)行判別。經(jīng)過(guò)數(shù)據(jù)處理方法優(yōu)化，提高了下肢想象動(dòng)作的分類識(shí)別率，實(shí)驗(yàn)結(jié)果顯示采用CSP結(jié)合SVM算法分類識(shí)別率可達(dá)到91.5%。進(jìn)而，本文工作中建立了基于智能眼鏡虛擬現(xiàn)實(shí)技術(shù)的BCI控制平臺(tái)，設(shè)計(jì)了基于虛擬踢足球任務(wù)的在線控制實(shí)驗(yàn)。對(duì)5位被試的在線實(shí)驗(yàn)結(jié)果顯示，每位被試均實(shí)現(xiàn)了對(duì)智能眼鏡-BCI設(shè)備的控制并且展現(xiàn)了良好的控制效果。實(shí)驗(yàn)中并對(duì)每位被試的操作進(jìn)行了主觀評(píng)價(jià)，結(jié)果顯示本文建立的在線實(shí)驗(yàn)平臺(tái)中虛擬現(xiàn)實(shí)環(huán)境明顯促進(jìn)了被試的沉浸程度。
【關(guān)鍵詞】：腦機(jī)接口（BCI） 智能眼鏡 虛擬現(xiàn)實(shí)（VR） 事件相關(guān)去同步（ERD） 共空間模式(CSP) 小波變換 支持向量機(jī)（SVM） 在線
【學(xué)位授予單位】：天津職業(yè)技術(shù)師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN911.7;R778.3
【目錄】：

• 中文摘要4-5
• Abstract5-8
• 第1章 研究背景8-18
• 1.1 BCI 研究背景8-9
• 1.2 BCI 的定義9-12
• 1.2.1 使用 EEG 信號(hào)的 BCI 系統(tǒng)10-12
• 1.2.2 本文中 BCI 系統(tǒng)的信號(hào)選擇12
• 1.3 虛擬現(xiàn)實(shí)與智能眼鏡12-14
• 1.4 虛擬現(xiàn)實(shí)與腦機(jī)接口相結(jié)合14-16
• 1.5 研究?jī)?nèi)容與章節(jié)安排16-18
• 1.5.1 研究?jī)?nèi)容16-17
• 1.5.2 章節(jié)安排17-18
• 第2章 實(shí)驗(yàn)設(shè)置18-23
• 2.1 EEG 信號(hào)的產(chǎn)生與采集18-20
• 2.1.1 EEG 信號(hào)的產(chǎn)生18-19
• 2.1.2 信號(hào)采集設(shè)置19-20
• 2.2 實(shí)驗(yàn)設(shè)置20-22
• 2.2.1 動(dòng)作設(shè)計(jì)20-21
• 2.2.2 實(shí)驗(yàn)方案21-22
• 2.3 數(shù)據(jù)預(yù)處理22
• 2.4 本章小結(jié)22-23
• 第3章 數(shù)據(jù)處理23-36
• 3.1 特征提取23-31
• 3.1.1 時(shí)頻分析法24-26
• 3.1.2 腦地形圖分析26-27
• 3.1.3 小波包變換分析法27-28
• 3.1.4 共空間模式28-31
• 3.2 分類識(shí)別（SVM 支持向量機(jī)）31-33
• 3.2.1 SVM 原理31-33
• 3.3 分類結(jié)果及意義33-35
• 3.3.1 小波包變換分類結(jié)果33
• 3.3.2 CSP 算法分類結(jié)果33-35
• 3.4 本章小結(jié)35-36
• 第4章 導(dǎo)聯(lián)篩選36-38
• 4.1 導(dǎo)聯(lián)篩選方法36
• 4.2 導(dǎo)聯(lián)篩選結(jié)果36-38
• 4.3 本章小結(jié)38
• 第5章 在線系統(tǒng)設(shè)計(jì)38-44
• 5.1 系統(tǒng)平臺(tái)搭建38-40
• 5.1.1 數(shù)據(jù)處理39
• 5.1.2 界面顯示39-40
• 5.2 整體實(shí)驗(yàn)流程40-41
• 5.3 結(jié)果分析41-43
• 5.3.1 實(shí)驗(yàn)結(jié)果42
• 5.3.2 用戶體驗(yàn)效果42-43
• 5.4 本章小結(jié)43-44
• 第6章 總結(jié)與展望44-47
• 6.1 工作總結(jié)44-45
• 6.2 未來(lái)展望45-47
• 參考文獻(xiàn)47-50
• 致謝50

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 馬，

本文編號(hào)：700836