基于EEG信号的人体状态测量研究

发布时间：2017-05-29 22:12

  本文关键词：基于EEG信号的人体状态测量研究，由笔耕文化传播整理发布。

【摘要】：物理人机紧耦合系统在康复训练辅助器具领域具有广泛的应用前景。作为一种人-机-环紧密联系的复杂系统,物理人机紧耦合系统在研制过程中需要解决人与康复机器人在不同环境下物理和认知动态交互,机器人在线测量人机交互模型的状态参数以及实时、全面地预测和分类人机状态与行为和环境状态等关键性问题。这些问题的解决都需要以物理人机紧耦合系统的状态和行为数据作为基础。物理人机紧耦合系统的状态和行为的测量包括人体运动、人机交互力、人的状态以及人的绩效这四个方面的内容。其中人的状态主要通过人的生理信息进行测量。脑电信号(EEG)是测量人体生理信息最灵敏的指标之一。本文结合物理人机紧耦合系统采用脑电信号对人体脑力负荷测量和人体意图识别进行了研究。当前,结合物理人机紧耦合系统以脑电信号为研究手段的脑力负荷测量研究方面并不区分四个信息处理阶段的脑力负荷。针对大脑在不同信息处理阶段脑力负荷研究尚不明确的问题,本文采用了四种模拟信息处理四个阶段的心理实验,对四种心理实验中的脑电信号进行分类的结果表明四个不同的阶段的脑力负荷测量并没有显著的差别。传统脑力负荷测量方法由于对信号的采集的时间长度有客观地要求而无法满足物理人机紧耦合系统的研制对脑力负荷测量的实时性要求,本文采用的脑电信号分析方法针对事件发生后较短时间内的脑电信号的特征进行分类,并取得了良好的分类结果,证明了结合物理人机紧耦合系统脑电信号实时测量脑力负荷的可行性。基于脑电信号的人体意图识别方法研究中,基于传统的alpha节律的研究范式在处理脑电信号的过程中对信号的时间长度的需求无法满足实时识别的要求。本文采用的脑电信号的分析方法对较短时间内的脑电信号的特征进行了分析和分类,并取得了较好的分类结果。分类结果证明了结合物理人机紧耦合系统的脑电信号人体意图实时识别的可行性。目前基于运动想象范式的研究中常用的想象任务包括左右手想象运动、想象立方体旋转等,这些想象任务对物理紧耦合系统通过脑电信号执行动作造成了一定的困难,本文结合物理紧耦合系统的实际需求设计了四种更加自然的想象任务。根据对四种想象任务中脑电信号的分类结果可以证明这四种想象任务在物理紧耦合系统中具有一定的应用价值。
【关键词】：物理人机紧耦合 EEG 脑力负荷 人体意图 信息处理
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R496;TN911.23
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-17
• 1.1 研究工作的背景和意义11-12
• 1.2 国内外研究历史和现状12-15
• 1.2.1 人体负荷测量研究12-13
• 1.2.2 人体意图识别研究13-14
• 1.2.3 研究现状总结14-15
• 1.3 本文的主要工作15
• 1.4 本论文的结构安排15-17
• 第二章 人体状态测量基础17-26
• 2.1 人体状态理论17-20
• 2.1.1 人体脑力负荷和人体意图识别17
• 2.1.2 人体信息加工模型17-18
• 2.1.3 物理人机紧耦合系统的人体状态18-20
• 2.1.4 物理人机紧耦合系统的人体状态测量20
• 2.2 脑电信号20-25
• 2.2.1 EEG信号的来源20-21
• 2.2.2 EEG信号的测量21-22
• 2.2.3 EEG信号的特点22-23
• 2.2.4 EEG信号的分类23-25
• 2.3 本章小结25-26
• 第三章 物理人机紧耦合系统的脑力负荷测量26-56
• 3.1 引言26-27
• 3.2 物理人机紧耦合系统的脑力负荷测量方案27-31
• 3.2.1 脑力负荷测量方案目的和任务27-28
• 3.2.2 脑力负荷测量方案研究对象和设备28-30
• 3.2.3 脑力负荷测量方案实现过程30-31
• 3.3 物理人机紧耦合系统的脑力负荷测量数据分析31-40
• 3.3.1 脑力负荷测量原始数据与预处理32-34
• 3.3.2 脑力负荷测量数据噪声处理34-35
• 3.3.3 脑力负荷测量数据的时频分析35-37
• 3.3.4 脑力负荷测量数据的共同空间模式37-39
• 3.3.5 脑力负荷测量数据的分类39-40
• 3.4 物理人机紧耦合系统的脑力负荷测量结果40-55
• 3.4.1 脑力负荷测量数据预处理结果40-43
• 3.4.2 脑力负荷测量滤波处理的结果43-44
• 3.4.3 脑力负荷测量数据时频分析结果44-45
• 3.4.4 脑力负荷测量数据共同空间模式45-46
• 3.4.5 脑力负荷测量数据分类结果46-49
• 3.4.6 脑力负荷测量三位被试者脑电信号特征对比49-55
• 3.4.6.1 事件相关电位对比50-51
• 3.4.6.2 功率谱对比51-52
• 3.4.6.3 事件相关功率扰动对比52-53
• 3.4.6.4 共同空间模式对比53-55
• 3.5 本章小结55-56
• 第四章 物理人机紧耦合系统的人体意图识别56-78
• 4.1 引言56-57
• 4.2 物理人机紧耦合系统的人体意图识别方案57-59
• 4.2.1 人体意图识别方案设计目的和任务57-58
• 4.2.2 人体意图识别方案研究对象和设备58-59
• 4.2.3 人体意图识别方案实现过程59
• 4.3 物理人机紧耦合系统的人体意图识别数据分析59-61
• 4.3.1 人体意图识别数据采集与预处理60
• 4.3.2 人体意图识别数据分析和分类60-61
• 4.4 物理人机紧耦合系统的人体意图识别数据分析结果61-77
• 4.4.1 人体意图识别数据预处理结果61-63
• 4.4.2 人体意图识别数据滤波处理结果63
• 4.4.3 人体意图识别数据时频分析结果63-65
• 4.4.4 人体意图识别数据共同空间模式65-69
• 4.4.5 人体意图识别数据分类结果69-74
• 4.4.6 人体意图识别四种想象任务下的脑电信号特征对比74-77
• 4.4.6.1 事件相关电位对比74-75
• 4.4.6.2 功率谱对比75
• 4.4.6.3 事件相关功率扰动对比75-76
• 4.4.6.4 共同空间模式对比76-77
• 4.5 本章小结77-78
• 第五章 总结及展望78-80
• 5.1 总结78-79
• 5.2 展望79-80
• 致谢80-81
• 参考文献81-86
• 在学期间取得的与学位论文相关的研究成果86-87

【参考文献】

中国期刊全文数据库 前4条

1 徐宝国;彭思;宋爱国;;基于运动想象脑电的上肢康复机器人[J];机器人;2011年03期

2 高上凯;;神经工程与脑-机接口[J];生命科学;2009年02期

3 李鹏海;丁皓;万柏坤;明东;;脑-机接口在移动外设控制中的应用研究进展[J];生物医学工程学杂志;2011年03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

  本文关键词：基于EEG信号的人体状态测量研究，，由笔耕文化传播整理发布。

本文编号：405811