基于脑机接口的无人机控制研究及应用
发布时间：2021-07-11 17:17
脑机接口（Brain-Computer Interface,BCI）是一种不依赖于外周神经与肌肉等正常输出通路,直接通过脑电（Electroencephalogram,EEG）信号与外界通讯的技术。该技术现已广泛应用于众多领域,通过解决BCI关键技术问题还将促进相关科学领域的发展与交叉,进而激发新思路、探索新手段及开拓新方向,具有科学与应用的双重价值。本文以BCI系统的实用化为目标,提出一套基于稳态视觉诱发电位（Steady-State Visual Evoked Potential,SSVEP）的脑电信号与眼电（Electrooculogram,EOG）信号混合的BCI无人机控制系统。首先,对SSVEP刺激范式、眨眼状态检测器及脑机接口控制无人机系统的实验过程进行设计,并通过离线实验验证其可行性。其次,研究SSVEP脑电信号的处理方法。先采用小波去噪对EEG信号进行预处理,得到信噪比较高的脑电信号;然后在传统的功率谱密度分析（PSDA）及典型相关分析（CCA）算法的基础上提出一种改进算法-基于功率谱密度和个体信号模板的典型相关分析（Hybrid-PSDA-ISTCCA）,该算法在结合...
【文章来源】：曲阜师范大学山东省
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
基于脑机接口的无人机飞行实验图
第1章绪论6表1.1脑电信号分类类别频率区间属性生理现象Delta波0.5~3Hz低频、高幅、慢波睡眠状态、精神集中状态Thela波4~7Hz低频、高幅、慢波情绪低沉状态或遇到困难时状态Alpha波8~13Hz中频、周期、中波闭眼产生，睁眼阻断（平静状态下）Beta波13~40Hz低频、高幅、快波精神紧张或激动状态Gamma波30~60Hz高频、超低幅、快波复杂环境下的信息交互状态Mμ波8~12Hz中频、周期、中波运动神经元休息状态产生，肢体或想象运动阻断1.3.2脑机接口系统基本原理及结构科学研究表明，当人体受到外界刺激或进行某种意识活动时，大脑中的神经细胞会产生微弱的电信号，这些信号被传递到大脑皮层，会产生节律性或空间分布等特征。由于脑电信号比较微弱，所以与外界交互时需要进行以下处理：首先，通过脑机接口采集脑电信号；其次，对脑电信号进行预处理，提高信噪比；再次，运用特定算法将脑电信号的特征提取出来；最后，将提取出的特征进行模式识别并转换成控制指令，从而实现脑电信号对外界设备的控制。BCI系统包括三部分，分别为：采集模块、信号分析及控制设备[54]。图1.3是典型的脑机接口组成框图。图1.3典型的脑机接口系统框图1.采集模块脑电信号的采集由脑机接口采集模块完成。首先，通过脑机接口模块采集脑电信号，并通过放大电路将采集到的EEG信号放大；然后，通过A/D转换模块将模拟信号转化为数字信号；最后，对传输到计算机上的信号进行处理。脑电信号的采集通常
第1章绪论7需要满足两个条件：EEG信号具有一定的精度并且能实时地被提取与存储。脑电信号需要带有电极的脑电帽进行提龋脑电帽上的电极放置一般都符合国际10-20系统标准，如图1.4所示。国际10-20系统是由国际脑电图学会制定的用于采集脑电信号的电极放置标准[55]。电极导联方式主要有两种：单极导联与双极导联。单极导联法是指将脑电帽上的某个电极当作参考电极，获取其他电极电位值的方法，如图1.5（a）所示。双极导联法则是直接记录两个不同电极之间电位的方法，如图1.5（b）所示。电极采集技术也分为两种：干电极采集技术和湿电极采集技术。干电极是指直接放置在头皮上采集脑电信号的电极，其使用简单方便。而湿电极则需要导电膏配合使用，可以解决因电极与头皮接触不好而导致的导电性不好的问题[56]，但是不如干电极方便。综上，本文的脑机接口采用的是单极导联法和干电极采集技术。图1.4国际标准10-20系统电极分布图（a）单极导联法（b）双极导联法图1.5EEG导联方法2.信号分析信号分析是研究脑电信号的核心，也是本文研究的关键问题。脑电信号分析主要包括预处理、特征提取及模式识别[57]。（1）预处理是指滤除脑电信号中的干扰信号，提高信号的信噪比；
【参考文献】：
期刊论文
[1]基于高级控制策略的脑-机接口控制机械臂系统[J]. 李红卫,陈小刚. 北京生物医学工程. 2019(01)
[2]脑-机接口技术及其应用研究[J]. 陈思. 电子世界. 2016(20)
[3]全球无人机产业:现状与趋势[J]. 周钰婷,郑健壮. 经济研究导刊. 2016(26)
[4]多旋翼无人机在灭火救援中的应用探析[J]. 吕明哲. 科技创新与应用. 2015(33)
[5]脑控技术的研究与展望[J]. 张小栋,李睿,李耀楠. 振动.测试与诊断. 2014(02)
[6]无人机航空摄影测量技术在风能开发勘测方面的应用[J]. 孙朝阳,郑彦春,徐秀云. 电力勘测设计. 2011(05)
[7]基于多参数公共空间频率模式算法的脑电特征提取[J]. 苏少军,方慧娟,王根. 微型机与应用. 2011(18)
[8]基于运动想象脑电的上肢康复机器人[J]. 徐宝国,彭思,宋爱国. 机器人. 2011(03)
[9]小波采样的滤波算法研究[J]. 张治国,黄建国,刘震. 电子科技大学学报. 2010(06)
[10]如何在Matlab中优化基本周期图法对随机信号进行的功率谱估计[J]. 瞿海雁,李鹂,钱小凌. 首都师范大学学报(自然科学版). 2006(05)
硕士论文
[1]基于ROS和脑电的无人机远程控制与实现[D]. 郭毅.西安电子科技大学 2018
[2]基于运动想象的脑卒中上肢康复系统设计[D]. 周承邦.哈尔滨工业大学 2017
[3]基于稳态视觉诱发电位的脑机接口系统设计及相关算法的研究[D]. 李琳.浙江理工大学 2017
[4]基于Pixhawk飞控板的固定翼模型飞机控制技术研究[D]. 史兴隆.北方工业大学 2016
[5]基于想象左右手运动思维脑电识别分类研究[D]. 何青松.北京交通大学 2016
[6]四旋翼飞行器控制与实现[D]. 米培良.大连理工大学 2015
[7]四旋翼飞行器的滑模控制算法研究[D]. 白敬洁.哈尔滨理工大学 2015
[8]基于SSVEP的脑机接口系统研究与设计[D]. 杨俊宇.南京邮电大学 2015
[9]基于脑机接口的控制及虚拟场景应用研究[D]. 张璐琳.哈尔滨工程大学 2013
[10]四旋翼飞行器设计与稳定控制研究[D]. 庞庆霈.中国科学技术大学 2011
本文编号：3278516
【文章来源】：曲阜师范大学山东省
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
基于脑机接口的无人机飞行实验图
第1章绪论6表1.1脑电信号分类类别频率区间属性生理现象Delta波0.5~3Hz低频、高幅、慢波睡眠状态、精神集中状态Thela波4~7Hz低频、高幅、慢波情绪低沉状态或遇到困难时状态Alpha波8~13Hz中频、周期、中波闭眼产生，睁眼阻断（平静状态下）Beta波13~40Hz低频、高幅、快波精神紧张或激动状态Gamma波30~60Hz高频、超低幅、快波复杂环境下的信息交互状态Mμ波8~12Hz中频、周期、中波运动神经元休息状态产生，肢体或想象运动阻断1.3.2脑机接口系统基本原理及结构科学研究表明，当人体受到外界刺激或进行某种意识活动时，大脑中的神经细胞会产生微弱的电信号，这些信号被传递到大脑皮层，会产生节律性或空间分布等特征。由于脑电信号比较微弱，所以与外界交互时需要进行以下处理：首先，通过脑机接口采集脑电信号；其次，对脑电信号进行预处理，提高信噪比；再次，运用特定算法将脑电信号的特征提取出来；最后，将提取出的特征进行模式识别并转换成控制指令，从而实现脑电信号对外界设备的控制。BCI系统包括三部分，分别为：采集模块、信号分析及控制设备[54]。图1.3是典型的脑机接口组成框图。图1.3典型的脑机接口系统框图1.采集模块脑电信号的采集由脑机接口采集模块完成。首先，通过脑机接口模块采集脑电信号，并通过放大电路将采集到的EEG信号放大；然后，通过A/D转换模块将模拟信号转化为数字信号；最后，对传输到计算机上的信号进行处理。脑电信号的采集通常
第1章绪论7需要满足两个条件：EEG信号具有一定的精度并且能实时地被提取与存储。脑电信号需要带有电极的脑电帽进行提龋脑电帽上的电极放置一般都符合国际10-20系统标准，如图1.4所示。国际10-20系统是由国际脑电图学会制定的用于采集脑电信号的电极放置标准[55]。电极导联方式主要有两种：单极导联与双极导联。单极导联法是指将脑电帽上的某个电极当作参考电极，获取其他电极电位值的方法，如图1.5（a）所示。双极导联法则是直接记录两个不同电极之间电位的方法，如图1.5（b）所示。电极采集技术也分为两种：干电极采集技术和湿电极采集技术。干电极是指直接放置在头皮上采集脑电信号的电极，其使用简单方便。而湿电极则需要导电膏配合使用，可以解决因电极与头皮接触不好而导致的导电性不好的问题[56]，但是不如干电极方便。综上，本文的脑机接口采用的是单极导联法和干电极采集技术。图1.4国际标准10-20系统电极分布图（a）单极导联法（b）双极导联法图1.5EEG导联方法2.信号分析信号分析是研究脑电信号的核心，也是本文研究的关键问题。脑电信号分析主要包括预处理、特征提取及模式识别[57]。（1）预处理是指滤除脑电信号中的干扰信号，提高信号的信噪比；
【参考文献】：
期刊论文
[1]基于高级控制策略的脑-机接口控制机械臂系统[J]. 李红卫,陈小刚. 北京生物医学工程. 2019(01)
[2]脑-机接口技术及其应用研究[J]. 陈思. 电子世界. 2016(20)
[3]全球无人机产业:现状与趋势[J]. 周钰婷,郑健壮. 经济研究导刊. 2016(26)
[4]多旋翼无人机在灭火救援中的应用探析[J]. 吕明哲. 科技创新与应用. 2015(33)
[5]脑控技术的研究与展望[J]. 张小栋,李睿,李耀楠. 振动.测试与诊断. 2014(02)
[6]无人机航空摄影测量技术在风能开发勘测方面的应用[J]. 孙朝阳,郑彦春,徐秀云. 电力勘测设计. 2011(05)
[7]基于多参数公共空间频率模式算法的脑电特征提取[J]. 苏少军,方慧娟,王根. 微型机与应用. 2011(18)
[8]基于运动想象脑电的上肢康复机器人[J]. 徐宝国,彭思,宋爱国. 机器人. 2011(03)
[9]小波采样的滤波算法研究[J]. 张治国,黄建国,刘震. 电子科技大学学报. 2010(06)
[10]如何在Matlab中优化基本周期图法对随机信号进行的功率谱估计[J]. 瞿海雁,李鹂,钱小凌. 首都师范大学学报(自然科学版). 2006(05)
硕士论文
[1]基于ROS和脑电的无人机远程控制与实现[D]. 郭毅.西安电子科技大学 2018
[2]基于运动想象的脑卒中上肢康复系统设计[D]. 周承邦.哈尔滨工业大学 2017
[3]基于稳态视觉诱发电位的脑机接口系统设计及相关算法的研究[D]. 李琳.浙江理工大学 2017
[4]基于Pixhawk飞控板的固定翼模型飞机控制技术研究[D]. 史兴隆.北方工业大学 2016
[5]基于想象左右手运动思维脑电识别分类研究[D]. 何青松.北京交通大学 2016
[6]四旋翼飞行器控制与实现[D]. 米培良.大连理工大学 2015
[7]四旋翼飞行器的滑模控制算法研究[D]. 白敬洁.哈尔滨理工大学 2015
[8]基于SSVEP的脑机接口系统研究与设计[D]. 杨俊宇.南京邮电大学 2015
[9]基于脑机接口的控制及虚拟场景应用研究[D]. 张璐琳.哈尔滨工程大学 2013
[10]四旋翼飞行器设计与稳定控制研究[D]. 庞庆霈.中国科学技术大学 2011
本文编号：3278516
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3278516.html
