脑机接口应用中的思维任务分类研究

发布时间：2020-07-12 02:00

【摘要】： 近年来，由于计算机硬件和信号处理技术的飞速发展，使得人们利用脑电信号与计算机之间进行通讯成为可能。脑机接口(BCI)就是一种不依赖于脑的正常输出途径(外周神经系统及肌肉组织)，而是基于脑电信号实现人脑与计算机或其它电子设备进行通讯和控制的一种新的人机接口方式。脑机接口作为一种全新的信息交换和控制技术，可以为那些思维正常但有严重运动障碍的患者提供语言交流和环境控制，并且在自动控制、军事领域也有潜在的应用价值。鉴于其巨大的应用前景，脑机接口已经引起国际科学界的高度重视，成为脑科学、康复工程、生物医学工程及人机控制领域的一个研究热点。 大脑在进行不同的思维活动时会激活大脑皮层不同区域并能诱发不同EEG节律的生理现象，使得利用EEG信号对思维作业进行分类成为可能，并成为利用思维作业来设计BCI的依据之一。在基于思维作业的BCI系统中，用户进行左右手想象运动、数学思维运算等有关的思维活动，通过脑电采集装置采集相应的脑电信号，提取特征进行分类，然后将不同的思维活动与不同的指令结合起来，实现人脑和外部设备的通信。 在BCI系统中，脑电信号的采集、特征提取和识别是关键的环节。如果这些环节处理的不好，系统就不能正确解读出使用者的思维意图，也就不能对控制设备发出符合使用者的控制信号。本文主要基于脑电信号对不同的思维任务进行分类，针对以上环节开展相关的工作： 本文采用独立分量分析方法(ICA)对脑电信号进行处理。在医学信号的采集过程中，头皮脑电的记录数据常常混入一些伪迹，去除这些伪迹是必要的。独立分量分是近年发展起来的一种新的统计方法，其基本思想是将观察信号按统计独立的原理通过优化算法分解为若干独立成分，将ICA用于消除EEG中干扰噪声和模式提取已成为今年研究的热点。本文对ICA的基本原理和典型算法进行了研究，重点介绍了Infomax算法和FastICA算法，并验证ICA在语音信号和脑电信号中的消噪效果，实验表明ICA能够在保护有用信号的同时较为成功地削弱甚至完全消除脑电信号中的各种干扰信号，将在医学信号处理领域内有广大的应用前景。 本文中采用AR模型系数来描述脑电信号的特征。对于本文采用的思维脑电信号，建立6阶的AR模型进行特征提取，采用AR模型的系数作为特征样本进行分类。并且设计一个合适的BP神经网络分类器对各种思维脑电信号的特征数据进行分类，取得了较好的分类结果。本文对二种到五种思维作业脑电信号进行分类，都获取了较高的分类正确率。
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TP334.7;TP18
【图文】：

脑机接口的输出可能去控制光标的移动、字母或图标的选择、轮椅的转动等，同时还提供反馈，使用户和脑机接口能够互相适应。基本的脑机接口如图1一1所示。它可以分为三个子系统:脑电信号的采集子系统，脑电信号的处理子系统和输出子系统。脑电信号采集子系统收集并数字化从头皮或者头皮表面测量所记录的EEG信号;数字化的脑电信号被送入信号处理子系统，在那里要经过一个或者多个特征量的提取过程(例如空间滤波等)，把包含着使用者信息和指令编码的特征信号提取出来，然后由分类器对所提取的

2.1.2脑电信号的采集脑电信号属于“V级的微弱信号，频率范围在0.5一30Hz之间。根据国际脑电图学会的建议，目前国内外普遍采用国际10/20系统电极放置法，图2一1所示。将鼻根和枕外粗隆的联结线分作10等份。其中点为头顶(vertex)，然后把鼻根，外耳孔和枕外粗隆的联结线也做10等份。根据以头顶为中心的同心圆与半径的交叉点来确定电极部位。冬功噜图2一1:10/20电极安放位置在国际10/20系统中，有21个电极位置，电极的名称分别为:rPI，即2，F3，F4，C3

第三章独立分量分析的原理和算法A在脑电消噪中的应用分量分析方法是为了解决“鸡尾酒会”问题:m个人对着n个话筒(m图区分出m个人讲话的具体内容。显然，通过n个话筒和放大器之信号是m个源信号的混合。在这儿，选用了男女两路语音信号源，x2的矩阵模拟两个源的混合，应用ICA实现分离两个混合信号。

【相似文献】

相关期刊论文 前10条

1 蒋宇;李志雄;;齿轮箱振动源信号分离与故障诊断研究[J];湖北工业大学学报;2011年04期

2 陆凤波;黄知涛;姜文利;;基于Fast-ICA的CDMA信号扩频序列盲估计及性能分析[J];通信学报;2011年08期

3 焦芳芳;封志宏;杨桂芹;;盲信号分离及盲信号抽取研究[J];无线电工程;2011年09期

4 赵伟;陈仁安;张晓玲;;基于ICA和DCT的标注水印盲提取算法[J];电子测量技术;2011年06期

5 程舒慧;吴小培;;基于滑动窗口的ICA算法动态分离胎儿心电[J];工业控制计算机;2011年06期

6 赵伟;陈仁安;张晓玲;游荣义;;基于ICA和DCT的鲁棒性盲水印算法[J];厦门理工学院学报;2011年02期

7 钱博;王洋;滕振宇;;差分跳频信号分离方法研究[J];沈阳理工大学学报;2011年02期

8 林积微;周新丰;李辉;;基于负熵的多目标射频信号分离研究[J];无线电通信技术;2011年04期

9 贺峥嵘;刘智;王番;陈永昌;;非下采样Contourlet域的ICA法SAR图像相干斑抑制[J];测绘工程;2011年03期

10 郭水旺;李白燕;;过完备ICA算法在语音信号提取中的应用[J];计算机系统应用;2011年07期

相关会议论文 前10条

1 谢凡;滕云田;徐沁;;独立分量分析在地磁台站轨道交通干扰分析中的应用[A];中国地球物理2010——中国地球物理学会第二十六届年会、中国地震学会第十三次学术大会论文集[C];2010年

2 刘喜武;刘洪;李幼铭;;独立分量分析及其在地震信息处理中应用初探[A];中国科学院地质与地球物理研究所二○○三学术论文汇编·第四卷(油气资源)[C];2003年

3 秦先勇;沈功田;何仁洋;李寰;;基于独立分量分析的气体管道泄漏信号消噪方法研究[A];压力管道技术研究进展精选集——第四届全国管道技术学术会议[C];2010年

4 刘杰;印兴耀;杨培杰;;基于独立分量分析的地震盲反褶积方法[A];中国地球物理学会第二十三届年会论文集[C];2007年

5 孙军晓;王永刚;白博;;快速独立分量算法在地震解释中的应用研究[A];中国地球物理学会第二十四届年会论文集[C];2008年

6 潘永;印兴耀;刘杰;;基于独立分量分析的地震数据串联处理[A];中国地球物理学会第二十四届年会论文集[C];2008年

7 李国福;曹思远;张凤君;周鹏;韩瑞东;;地震去噪中的P-ICA方法[A];中国地球物理第二十一届年会论文集[C];2005年

8 杨科化;柳重堪;;基于独立分量分析的数字水印攻击[A];第二届全国信息获取与处理学术会议论文集[C];2004年

9 刘建辉;李振春;;基于线性几何独立分量分析的多次波压制方法[A];中国地球物理·2009[C];2009年

10 郭旭红;朱忠奎;;基于ICA的工业过程监控方法及其在TEP中的应用[A];苏州市自然科学优秀学术论文汇编(2008-2009)[C];2010年

相关博士学位论文 前10条

1 周仲兴;复合下肢想象动作电位的特征识别新技术研究[D];天津大学;2009年

2 韩军;内燃机的非平稳信号分析方法及其噪声源小波识别技术的研究[D];天津大学;2004年

3 焦卫东;基于独立分量分析的旋转机械故障诊断方法研究[D];浙江大学;2003年

4 许宏吉;发射分集和波束形成优化设计及其盲接收技术研究[D];山东大学;2005年

5 林秋华;基于盲源分离的图像与语音加密新方法研究[D];大连理工大学;2006年

6 李小军;独立分量分析及其在阵列信号处理中的应用[D];西安电子科技大学;2004年

7 米建勋;带参考信号的独立分量分析理论及其应用研究[D];中国科学技术大学;2010年

8 静行;基于独立分量分析的结构模态分析与损伤诊断[D];武汉理工大学;2010年

9 万敏;独立分量分析的神经网络方法[D];电子科技大学;2011年

10 郭晓静;独立分量分析在脑—机接口中的应用研究[D];安徽大学;2010年

相关硕士学位论文 前10条

1 胡人君;脑机接口应用中的思维任务分类研究[D];安徽大学;2007年

2 郭婧;基于听觉注意的认知脑—机接口研究[D];清华大学;2010年

3 陈桂宏;基于独立分量分析和小波变换的钢丝绳缺陷信号提取[D];中南林业科技大学;2009年

4 周成;基于独立分量分析的单通道语音降噪算法的研究[D];电子科技大学;2005年

5 何付志;独立分量分析在脑电信号分析中的应用[D];山东大学;2005年

6 张丽丹;基于监督独立分量分析的人脸识别[D];哈尔滨工程大学;2005年

7 王可;盲源分离技术在多通道信号处理中的应用[D];汕头大学;2004年

8 范建中;基于ICA和小波神经网络的人脸识别研究[D];华侨大学;2005年

9 朱瑾;基于肤色和独立分量分析的人脸检测技术研究[D];华侨大学;2005年

10 周旭欣;独立分量分析算法的计算机仿真及其在多导脑电信号处理中的应用[D];四川大学;2005年

本文编号：2751259