当前位置:主页 > 科技论文 > 网络通信论文 >

基于混合模式的脑机接口研究

发布时间:2020-09-17 12:41
   脑机接口是一种使大脑可与外界环境直接建立联系的控制技术,其实现过程无需借助外围神经及肌肉组织,只需将大脑进行相应思维时产生的电活动通过一定的解码转换成对应的控制命令,以实现与外部环境进行信息交流。脑电信号(Electroencephalography,EEG)能够综合反映大脑的功能状态以及大脑思维电活动,是用于研究脑机接口技术使用最多的工具。目前针对单一模式EEG信号的脑机接口研究居多,最常见的为基于运动想象ERD/ERS(Event Related Desynchronization/Synchronization)。ERD/ERS作为自发式脑电具有很强的随机性和非平稳性,且存在特征信息较为单一,产生现象不明显,可区分性较差等问题。针对于单一模式简单运动想象脑机接口存在的这些问题,本文提出了一种复杂的运动想象思维任务模式,将运动想象与某些特殊思维任务融合的新型混合脑机接口,用特殊思维任务代替简单的运动想象任务,增强ERD/ERS生理现象,提高系统性能。本文具体研究内容如下:首先,对比研究了典型的基于EEG信号的脑机接口系统,针对单模式系统较强的局限性及针对性,对混合模式展开了研究探索,并在混合模式脑机接口系统的基础上,以简单运动想象ERD/ERS模式为研究对象,针对其存在的特征信息较为单一,ERD/ERS生理现象产生不明显,可区分性较差等问题,提出将运动想象与思维任务融合的新型复杂混合脑机接口。其次,针对ERD/ERS模式的EEG信号,设计了几种常见的特征提取方法及模式识别方法,包括自回归模型、共空间模式滤波器、贝叶斯分类器、Fisher线性分类器以及稀疏表征分类方法,将各个特征提取方法与分类方法进行两两组合,对基于运动想象ERD/ERS的脑电竞赛数据进行测试处理,并对分类结果进行了对比,找出更为适合处理ERD/ERS模式的EEG信号的方法,以便利用该方法实现对复杂混合模式EEG信号的处理。最后,对提出的新型复杂混合模式进行了系统设计,包括受试对象,实验范式以及EEG信号采集等。同时,为了便于对提出的复杂混合模式进行有效性验证,设计了简单运动想象模式作为对比实验,利用设计的特征提取与分类算法对两种对比模式进行处理。实验结果表明,本文提出的基于运动想象与特殊思维任务融合的复杂混合模式的脑机接口性能要优于单一的简单运动想象模式。
【学位单位】:哈尔滨工程大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:R318;TN911.7
【部分图文】:

系统结构图,系统结构图,大脑


第 1 章 绪论背景与意义是人工智能的时代,亦是解密脑智慧的时代。为了进一步实现“与认知科学的研究受到了越来越高的重视,而脑机接口作为该领研究方向,也正日益取得突破性进展。脑机接口(Brain-Comp与计算机或其他电子设备间通过大脑活动产生的脑电信号建立,该系统不依赖大脑以外的神经系统和肌肉组织通路,在大脑与是一种新型的、高端的人机交互方式,为人类和机械开辟了一条的 BCI 系统主要包含:信号采集部分,特征提取部分,模式识别分,BCI 系统结构图如图 1.1 所示。当大脑想执行某项控制命令完成,可通过脑机接口技术对大脑特定思维意识进行解读,再将成相应的控制命令,实现对譬如神经假肢[1][2]、轮椅[3]、机器人[备的控制。

动态,模拟键盘,注意力集中,EEG信号


清华大学高上凯教授带领的脑机接口研究小组在稳态视觉诱发电位(Steady StateVisual Evoked Potential, SSVEP)基础上提出了一种基于动态窗SSVEP的脑机接口系统,如图1.2所示,实验过程中,用户只需将注意力集中于屏幕中的模拟键盘,无需训练,通过该脑机接口系统便可在短时间内将EEG信号转换成特定的文字,实现与外部系统的连接。图1.2 基于动态窗SSVEP的脑机接口系统

世界杯,巴西


在脑机接口技术研发的早期,主要是面向残疾人群,以一种新的形式帮助他们保持与外界进行通信与交流。2014年世界杯开幕式上,巴西一位残疾人利用脑机接口技术仅靠大脑意识驱动仿生外骨骼完成开球,向全世界彰显了脑机接口技术的魅力,如图1.3所示;2016年8月11日,“再次行走计划”(Walk Again Project)的研究团队在Nature子刊上发表了一项研究成果[27]:长期患有脊髓损伤的8位病人,使用脑机接口技术对机械仿生外骨骼进行控制,并增加VR技术缓解视觉反馈问题,如图1.4所示,通过不断训练,8位患者下肢肌肉功能和感知功能均得到部分恢复。图1.3 巴西世界杯上的开球 图1.4 Walk Again Project团队的研究成果2016年10月,美国一位残疾男子借助脑机接口技术通过意念驱动机械手臂与美国总统奥巴马“握手”

【参考文献】

相关期刊论文 前10条

1 刘斌;魏梦然;罗聪;;基于脑电BCI的研究综述[J];电脑知识与技术;2014年07期

2 王丽华;;浅谈脑-机接口技术[J];福建电脑;2013年01期

3 颜世玉;刘冲;赵海滨;王宏;;基于小波包分解的意识脑电特征提取[J];仪器仪表学报;2012年08期

4 李翔;高小榕;高上凯;;一种基于两种不同范式的混合型脑-机接口系统[J];中国生物医学工程学报;2012年03期

5 王江;徐桂芝;王磊;张惠源;;基于多通道自适应自回归模型脑-机接口系统特征的提取[J];中国组织工程研究与临床康复;2011年48期

6 叶柠;孙宇舸;王旭;;基于共空间模式和神经元网络的脑-机接口信号的识别[J];东北大学学报(自然科学版);2010年01期

7 高莉;黄力宇;;基于独立分量分析的自适应最大熵算法对脑电干扰的识别与剔除[J];航天医学与医学工程;2008年02期

8 杨帮华;颜国正;鄢波;;基于离散小波变换提取脑机接口中脑电特征[J];中国生物医学工程学报;2006年05期

9 胡剑锋;;未来不是梦——脑机接口综述[J];江西蓝天学院学报;2006年02期

10 周成,刘钊;基于独立分量分析的单通道语音降噪算法研究[J];激光与红外;2005年05期

相关博士学位论文 前4条

1 何国林;复合齿轮传动系统振动响应调制机理及稀疏分离方法研究[D];华南理工大学;2015年

2 姚林;刺激辅助的脑电信号特征增强方法与混合式脑机接口[D];上海交通大学;2015年

3 王磊;基于运动想象的脑电信号分类与脑机接口技术研究[D];河北工业大学;2009年

4 周鹏;基于运动想象的脑机接口的研究[D];天津大学;2007年

相关硕士学位论文 前10条

1 李居康;脑—机接口技术在机器人控制上的应用[D];东南大学;2016年

2 张玉霞;基于P300和SSVEP的混合型脑机接口的分析与研究[D];山东大学;2015年

3 周乐囡;基于信号稀疏表示的重构与分类算法研究[D];西安电子科技大学;2014年

4 袁道任;基于多模态脑电信号的脑机接口关键技术研究[D];郑州大学;2013年

5 张栋;Lempel-Ziv复杂度的尺度划分方法的研究及应用[D];太原理工大学;2013年

6 王玉兰;睡眠脑电的去趋势互相关和多重分形去趋势互相关分析[D];南京邮电大学;2013年

7 朱文杰;基于稀疏模型的模式识别应用[D];西安电子科技大学;2013年

8 李翔;基于运动想象的在线脑—机接口系统的研究与实现[D];清华大学;2012年

9 谷艳蕾;基于运动想象和alpha波的脑机接口及虚拟漫游系统[D];浙江大学;2012年

10 刘琳;基于想象运动的脑电信号处理算法的研究[D];南昌大学;2009年



本文编号:2820724

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/wltx/2820724.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户dd82d***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com