多模式脑机交互系统及其应用研究

发布时间：2023-03-11 01:56

　　作为大脑与外界设备进行直接交流的重要途径,脑机交互系统已经成为各领域积极关注和研究的焦点。传统单一模式的脑机交互系统由于其较少的任务类别已经不能满足实际需要,因此多模式脑机交互系统应运而生。同时,其他类型的交互方式也逐渐被运用到脑机交互系统中。基于此,本文将α波、P300信号和眼动信号融合,构建了基于快速序列视觉呈现的多模式脑机交互系统,解决了软硬件平台搭建和信号同步问题,提出了有效的信号处理方法,具体如下:(1)提出基于典型相关分析(canonical correlation analysis,CCA)的α波检测算法,保证了能够有效地利用α波进行系统暂停操作。方法的核心思想是利用CCA方法从α波集中的频段内提取若干特征频率,这些特征频率能够准确地体现不同实验人员α波与非α波的区别,将特征频率对应的相关系数组合作为最终用于分类的特征。实验结果表明,使用1s的脑电数据,该方法能够准确分析出其是否属于α波信号,平均检测准确率达到95%以上;同时,延长数据时长和增加特征频率个数能够使准确率更高。同其他方法相比,算法在时效性和准确性上都有明显的优势。此外,该算法使用方便,不需要重复训练。(2)...

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 脑机交互系统研究背景及意义
    1.2 脑机交互系统基本内容
        1.2.1 脑机交互系统的组成
        1.2.2 脑机交互系统的分类
    1.3 国内外研究现状
    1.4 课题研究内容与论文组织结构
第二章 脑电及眼动理论基础
    2.1 脑电信号概述
        2.1.1 大脑结构及功能分区
        2.1.2 脑电信号产生及记录
    2.2 α节律波与P300信号
        2.2.1 α节律波
        2.2.2 事件相关电位
        2.2.3 P300信号
    2.3 眼动跟踪技术及应用
    2.4 本章小结
第三章 多模式脑机交互系统设计
    3.1 系统概述
    3.2 快速序列视觉呈现系统
        3.2.1 平台搭建
        3.2.2 信号同步方法
    3.3 多模式脑机交互系统与范式设计
        3.3.1 系统构造
        3.3.2 信号采集影响因素
        3.3.3 范式设计
    3.4 本章小结
第四章 多模式脑机交互系统信号处理方法
    4.1 脑电信号预处理
    4.2 基于典型相关分析的α波检测方法
        4.2.1 典型相关分析方法与脑电信号处理
        4.2.2 α波检测算法
    4.3 P300信号检测及目标位置标定方法
        4.3.1 基于分段时空降维的P300信号检测方法
        4.3.2 基于眼动的目标位置标定方法
    4.4 本章小结
第五章 实验仿真结果与分析
    5.1 α波检测结果
        5.1.1 α波与非α波分类特征对比
        5.1.2 检测结果分析
    5.2 P300信号检测及目标位置标定结果分析
        5.2.1 P300信号检测结果分析
        5.2.2 目标位置标定结果
    5.3 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 未来展望
参考文献
致谢
作者简介



本文编号：3758974