FSK-SSVEP系统中解调方法的研究

发布时间：2020-05-29 07:17

【摘要】：尽管脑-机接口技术在近几十年得到飞速发展,但由于脑电信号的抗噪声能力差、复杂度高,开发实用化系统仍然面临着巨大的挑战。稳态视觉诱发电位(Steady State Visual Evoked Potential,SSVEP)因具有高识别率和信息传输率等特性得到广泛的应用。由于硬件技术以及生理机制的限制,能够引起SSVEP响应的刺激频率屈指可数。为此,本文通过频移键控(Frequency Shift Keying,FSK)编码,同时增加指令间隔生成TFSK(Trinary Frequency-Shift Keying Encoded)编码的方式来增加刺激指令数量。在FSK-SSVEP系统中,存在的主要问题包括采集有用数据比较困难而且解调的难度系数大。针对这些问题,本文具体研究内容如下:首先,分析SSVEP调制解调方式以及设计离线数据采集实验。(1)研究频率调制与FSK调制方式的特性,选择FSK方式对多个频率调制解决SSVEP中刺激指令受限的问题。(2)分析TFSK调制与通信领域FSK调制的差异,并结合脑电信号的特性和调制信号中的变量(包括编码频率、码元刺激时间、码元序列长度等)来设计实验范式。通过实验完成对10名受视者的离线数据采集;然后,研究FSK-SSVEP信号解调的算法。比较分析了傅里叶变换、小波变换以及经验模态分解算法的特性,并根据脑电信号(Electroencephalogram,EEG)非线性、非平稳、噪声大等特点,设计了经验模态分解算法对信号进行分解与筛选完成信号预处理,从而提高信噪比。总结了通信领域中FSK的解调算法,仿真研究了相干解调算法、非相干解调算法和典型相关分析算法的原理,并使用TFSKSSVEP脑电数据分析了相差和码元起点判定对解调算法以及解调结果的影响。通过解调结果分析表明结合经验模态分解与非相干解调算法的解调效果最佳,其平均准确率高达93.35%;最后,在Android系统上实现了经验模态分解与非相干解调算法,并设计了基于Android系统的拨号软件完成对脑电信号的实时传输与处理,对算法进行了在线测试。通过拨号软件成功拨号的结果表明经验模态分解与非相干解调算法在TFSKSSVEP BCI系统中具有可行性。
【图文】：

变化以一定的频率进行划分和命名是处理当下脑电信号问题的常用方法 SSVEP 信号的特征表现SSVEP 是通过视觉刺激诱发的周期信号，，刺激源的闪烁频率为 5-20Hz。信号中包含刺激频率基频、倍频等频率[30]。实现SSVEP的特征提取比较电信号进行时频分析，找到频谱信号中的最高幅度值，其对应的频率即频率[31]。通常情况下使用 LED 或 LCD 进行刺激，一般会使用多个刺觉刺激，刺激源在有效频率刺激的范围内连续闪烁以刺激视觉皮层。如图 2.1 中所示为 5Hz 刺激频率下诱发的一段真实 SSVEP 原始信号以傅里叶变换得到的 SSVEP 信号频谱图。可以看出，响应信号除了在基现谱峰，谐波 10Hz 和 15Hz 处也出现了谱峰。

图 3.2 刺激器主控板列板采用的是四行、四列的 LED 组成。由于视锥细胞的发的 SSVEP 响应幅度低，复合光诱发的 SSVEP 响应幅三种颜色的光源对比，结果红色光源刺激的效果最佳，因红光，实物如图 3.3 所示。每个 LED 表示一个刺激源目 FM 或者 FSK 模式）。相邻刺激目标之间的距离均为 2cm注视某个特定刺激的目标时，该刺激能进入到视网膜的中刺激对目标刺激造成影响。根据需求可以对阵列输出 1 到实现 16 种不同的指令模式，较多的指令模式能够完成更用目的。比如对于 SSVEP 拨号系统，10 个数字指令加上刺激器远远满足其需求。又例如一些简单的游戏，俄罗斯
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN911.3;R318

【相似文献】

相关期刊论文 前10条

1 杨默涵;陈万忠;李明阳;;基于总体经验模态分解的多类特征的运动想象脑电识别方法研究[J];自动化学报;2017年05期

2 孙国强;樊新海;张传清;;基于短时处理和经验模态分解的地面战场目标被动声识别[J];测试技术学报;2017年05期

3 宋振江;杨俊;李争;;基于二维经验模态分解的航摄影像去噪应用研究——以江西省某地区航摄影像为例[J];湖北民族学院学报(自然科学版);2016年02期

4 石志标;陈峰;;基于集合经验模态分解和支持向量机的滚动轴承故障诊断[J];拖拉机与农用运输车;2015年02期

5 林玉荣;王强;;基于一维经验模态分解的图像细节提取方法[J];吉林大学学报(工学版);2011年06期

6 蔡碧野;陈文辉;李峰;;二维经验模态分解边界效应抑制研究[J];计算机工程与应用;2008年13期

7 周志锋,蔡萍,许嘉,陈日兴;基于经验模态分解的汽车动态称重数据处理[J];中国机械工程;2005年20期

8 李阳;任殿龙;张超;杨学岭;;基于经验模态分解的飞机微多普勒特性分析[J];雷达与对抗;2018年01期

9 任志英;高诚辉;罗德海;林有希;张世忠;;二维经验模态分解在工程表面形貌误差评定中的应用[J];光学精密工程;2017年02期

10 郝欢;王华力;魏勤;;经验模态分解理论及其应用[J];高技术通讯;2016年01期

相关会议论文 前10条

1 李关防;许春雷;惠俊英;;基于经验模态分解的特征提取算法研究[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年

2 杨永锋;;经验模态分解与非线性分析的协同研究[A];第四届全国动力学与控制青年学者研讨会论文摘要集[C];2010年

3 杨涛;乐友喜;曾贤德;;自适应噪声的总体集合经验模态分解在时频分析中的应用[A];2018年中国地球科学联合学术年会论文集（二十三）——专题47：油气田与煤田地球物理勘探[C];2018年

4 康春玉;章新华;;一种基于经验模态分解的信号降噪方法[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

5 袁业立;;SAR海洋探测新进展[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

6 郝文峰;骆英;顾建祖;;基于经验模态分解-支持向量机的玻璃幕墙开胶损伤预测研究[A];中国力学学会学术大会'2009论文摘要集[C];2009年

7 胡建平;吴晓旭;王辉;刘秀平;谢琪;;曲面上向量值函数的经验模态分解[A];第六届全国几何设计与计算学术会议论文集[C];2013年

8 蔡俊雄;乐友喜;;完备总体经验模态分解方法研究[A];2016中国地球科学联合学术年会论文集（三十九）——专题79：中国古生物学和地层学最新进展、专题80：地热理论与应用、专题81：应用地球物理学前沿[C];2016年

9 李鸿光;;基于微分的经验模态分解及其在多重转子故障分析中的应用[A];The 5th 全国动力学与控制青年学者研讨会论文摘要集[C];2011年

10 谭善文;严利;熊朝坤;;一种新型的谱分析方法—Hilbert谱[A];第十七届全国水动力学研讨会暨第六届全国水动力学学术会议文集[C];2003年

相关博士学位论文 前10条

1 黎恒;经验模态分解中的优化理论与方法研究[D];西安电子科技大学;2017年

2 石志晓;时频联合分析方法在参数识别中的应用[D];大连理工大学;2005年

3 孙晖;经验模态分解理论与应用研究[D];浙江大学;2005年

4 熊卫华;经验模态分解方法及其在变压器状态监测中的应用研究[D];浙江大学;2006年

5 葛光涛;二维经验模态分解研究及其在图像处理中的应用[D];哈尔滨工程大学;2009年

6 高静;经验模态分解的改进方法及应用研究[D];北京理工大学;2014年

7 胡劲松;面向旋转机械故障诊断的经验模态分解时频分析方法及实验研究[D];浙江大学;2003年

8 周义;快速二维经验模态分解和相位追踪方法及其在导波无损检测中的应用[D];上海交通大学;2014年

9 房曰荣;隧道瑞雷波探测信号去噪与频散曲线提取研究[D];福州大学;2014年

10 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年

相关硕士学位论文 前10条

1 何洋洋;旋转机械振动故障诊断研究[D];华北电力大学(北京);2019年

2 张成;基于聚类经验模态分解和差分熵的输电线路故障测距研究[D];上海交通大学;2018年

3 汪向硕;基于组合模型的超短期风功率预测研究[D];华北电力大学;2019年

4 张晨红;基于风速数据预处理的风电功率预测新方法研究[D];华北电力大学;2019年

5 刘玉芹;考虑风电功率预测的混合储能运行控制策略研究[D];华北电力大学;2019年

6 陈净和;基于噪声辅助经验模态分解的低温高速轴承故障诊断方法研究[D];北京交通大学;2019年

7 王霞;FSK-SSVEP系统中解调方法的研究[D];重庆邮电大学;2019年

8 刘陈希;基于EMD-ICA的地震资料去噪方法研究[D];中国石油大学(华东);2017年

9 孙志鑫;基于多元经验模态分解的电力系统低频振荡模式辨识[D];东北电力大学;2019年

10 马富齐;基于复数据经验模态分解和随机森林理论的风电机组多域特征故障诊断研究[D];西安理工大学;2019年

本文编号：2686599