基于行走想象的脑机接口系统关键技术研究

发布时间：2023-02-07 08:19

　　基于行走想象(Walking Imagery,WI)的脑机接口(Brain-computer Interfaces,BCI)属于下肢运动想象(Motor Imagery,MI),可通过激活感觉运动节律的改变进行下肢运动康复。因此,对WI-BCI的研究有重要的意义。在大脑皮层的运动感觉区中,与下肢对应的运动感觉区的位置比上肢深,下肢的代表区域的面积比上肢小。所以,WI的脑电(electroencephalogram,EEG)信号可能比上肢MI更难被探测到,WI脑电活动模式识别错误率高。从而导致WI-BCI的分类的性能不佳,不能被广泛的应用到实验室之外,也未受到广泛关注。为了有效地解决上述的问题,本文主要从两个方面进行研究:如何获得有效的EEG信号和如何实现WI-BCI的有效分类。一方面,有效的EEG信号能增强MI-BCI分类效果。WI是一种自主控制的脑意识活动,刺激源属于自发源,其依赖于用户的自身能力。一种合适的引导型的训练模式可以帮助用户提高这种能力、促使用户有效地调制大脑信号,从而获得有效的EEG信号。为了实现良好的引导型的训练模式,本文搭建了基于虚拟环境(Virtual Envir...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景和意义
    1.2 脑机接口的结构以及关键技术
        1.2.1 脑机接口的结构
        1.2.2 脑机接口的关键技术
    1.3 提高MI-BCI的分类的性能的现状
        1.3.1 虚拟环境与MI-BCI结合
        1.3.2 MI-BCI的算法
    1.4 本论文的研究目标与挑战
        1.4.1 非算法方案
        1.4.2 算法方案
    1.5 本文的组织结构
第2章 行走想象的训练模式的设计与实现
    2.1 基于文字引导的训练模式的设计与实现
        2.1.1 文字模式的前端的设计
        2.1.2 文字模式的后端程序的开发
    2.2 基于VE引导的训练模式的设计与实现
        2.2.1 Unity3D引擎的介绍
        2.2.2 虚拟对象的构建
        2.2.3 VE的编程以及组件属性的设置
    2.3 小结
第3章 行走想象的脑电数据的采集
    3.1 被试者
        3.1.1 被试者的基本情况
        3.1.2 实验前被试者的准备工作
    3.2 行走想象的脑电信号的采集装置
        3.2.1 采集行走想象的脑电信号的电极
        3.2.2 行走想象的脑电信号的传送以及接收装置
    3.3 采集行走想象的脑电信号的实验流程
        3.3.1 在流程中两种模式的各个阶段的对比
        3.3.2 在流程中的各个阶段的详解
    3.4 小结
第4章 基于多视角特征的行走想象的脑电数据的处理
    4.1 脑电信号预处理
    4.2 基于多模式特征的特征提取
        4.2.1 基于公共空间模式提取单一特征
        4.2.2 基于功率频谱密度提取单一特征
        4.2.3 基于小波包变换提取单一特征
        4.2.4 多视角特征的实现
    4.3 实验结果与分析
        4.3.1 实验设置
        4.3.2 评估指标
        4.3.3 基于多视角特征的两种训练模式的对比
        4.3.4 多视角特征与单一特征的对比
    4.4 小结
第5章 基于多视角多级深度多项式网络的行走想象的脑电数据的处理
    5.1 基于深度学习的编码方法
        5.1.1 深度信念网络
        5.1.2 堆叠自编码器
        5.1.3 卷积神经网络
        5.1.4 深度多项式网络
    5.2 实验结果与分析
        5.2.1 实验设置
        5.2.2 MVF、MDPN、MMDPN的两两对比
        5.2.3 MMDPN与其它多视角多级深度方法对比
    5.3 小结
第6章 总结和展望
    6.1 本文研究总结
    6.2 工作展望
参考文献
致谢
攻读硕士学位期间的研究成果



本文编号：3736736