基于Alpha波的脑—机接口技术研究

发布时间：2020-04-10 00:30

【摘要】：脑一机接口(Brain-Computer Interfaces, BCI)是在人脑和计算机或其它电子设备之间建立的一种直接信息交流和控制通道,是一种不依赖于常规大脑输出通路(外周神经和肌肉组织)的全新信息交流系统。BCI作为一种全新的信息交换与控制技术,为瘫痪病人,特别是那些丧失了基本肢体运动功能但思维正常的患者,提供一种与外界进行信息交流与控制的新途径,正受到越来越广泛的关注。 Alpha波(频率为8-13Hz的脑电信号)在闭眼时产生,睁开眼睛后明显减弱或消失,所以非常容易控制。通常情况下,α波的振幅要比其他脑电图波的振幅大一位数,加上它具有比较强的周期性,很容易观测到它的变化。基于以上原因,本课题采用α波作为研究对象。 LabVIEW (Laboratory Virtual Instrument Engineering Workbench)是一种图形化的编程语言和开发环境,它广泛地被工业界、学术界和研究实验室所接受,被公认为是标准的数据采集和仪器控制软件。在LabVIEW环境下,设计α波的采集系统与分析系统。 在Alpha波的采集和分析过程中,受到各种各样噪声的影响,为有效地提取和分析检测信号中的有用信息,提出采用独立分量分析(Independent component analysis, ICA)的方法对脑电信号进行去噪处理。方法：工频噪声、心电伪迹以及脑电波源信号之间的关系是统计独立的,满足ICA方法的分离条件,可将α波去噪问题转化为独立分量分离问题。在Matlab中编程,采用收敛速度快的FastICA算法把脑电信号中的工频噪声和心电伪迹作为独立信号分离出去,得到去噪后的α波。通过ICA方法对噪声进行分离后,脑电信号中的噪声基本被消除,并且可很好地保留脑电信号有用成分。 识别部分采用改进的BP神经元网络作为a波分类器。使用Matlab软件对网络进行了训练。实验结果中,得到了网络的收敛曲线,并得到了较高的识别率。实验证明使用BP网络对α波进行分类是完全可行的。
【学位授予单位】：东北大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：TP334.7

【参考文献】

相关期刊论文 前10条

1 陈力,吴祈耀;双谱分析在脑电信号处理中的应用[J];北京理工大学学报;1992年03期

2 吴小培,冯焕清,周荷琴,王涛;独立分量分析及其在脑电信号预处理中的应用[J];北京生物医学工程;2001年01期

3 李昌强,黄力宇,鞠烽炽,黄远桂,程敬之;癫痫脑电的双谱特性研究[J];北京生物医学工程;2004年01期

4 李颖洁;樊飞燕;陈兴时;;脑电分析在认知研究中的进展[J];北京生物医学工程;2006年03期

5 孟丽艳;赵晓宇;姚力;;语言认知EEG非线性时间序列分析[J];北京师范大学学报(自然科学版);2005年06期

6 王兆源,周龙旗;脑电信号的分析方法[J];第一军医大学学报;2000年02期

7 何庆华,彭承琳,吴宝明;脑机接口技术研究方法[J];重庆大学学报(自然科学版);2002年12期

8 黄敬频,周永权;可调激活函数神经元参数选取方法研究[J];工程数学学报;2005年06期

9 李勇;脑电信号现代分析方法的发展[J];国外医学(生物医学工程分册);1996年04期

10 张道信,郭晓静,吴小培,冯焕清;基于Infomax算法的脑电信号中心电伪迹的消除[J];计算机工程与应用;2002年08期

，

本文编号：2621486