基于脑电和肌电的混合脑机接口研究与集成实现

发布时间：2021-09-23 04:54

　　作为一种大脑与外围设备进行信息交互的方式,脑机接口（Brain Computer Interface,BCI）在辅助医疗等领域发挥着重要作用。由于单一模式脑电（Electroencephalogram,EEG）信号目前识别率较低,融合脑电信号和其他生理信号的混合脑机接口成为当前脑机接口的研究热点。本文对基于脑电和肌电（Electromyogram,EMG）的混合脑机接口展开研究,具有重要的理论意义和实际应用价值。在对混合BCI国内外研究现状的分析基础上,完成了基于脑电和肌电的混合BCI人机交互系统总体框架设计,通过Emotiv传感器采集了脑电信号和肌电信号,对脑电和肌电信号处理方法进行了分析,并选定深度学习方法作为脑电信号和肌电信号的处理方法。针对脑电信号识别率不高的问题,提出了一种基于时频域的卷积神经网络（Convolutional Neural Networks,CNN）脑电信号识别方法。该方法对脑电信号进行短时傅里叶变换（Short-Time Fourier Transform,STFT）构造了一种时频域二维图,获得了卷积神经网络的输入;通过一维卷积的方法设计了一种新颖的卷积神经... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

基于脑电和肌电的混合BCI通用框架

重庆邮电大学硕士学位论文 第 1 章 绪论的识别率优于单一模式 BCI 的识别率，且每位受试者在该混合 BCI 下的识别率均高于 70%[33]。同年，J Chmura 等人基于事件相关电位和运动想象设计了一种混合BCI,并将该混合 BCI 与虚拟现实技术结合使用，结果表明两者的结合使用将有助于 BCI 技术走出实验室，并在运动康复和假肢控制等领域进行实际应用[34]。

重庆邮电大学硕士学位论文 第 2 章 基于脑电和肌电的混合 BCI 人机交互系统设计第 2 章 基于脑电和肌电的混合 BCI 人机交互系统设计本章将对基于脑电和肌电的混合 BCI 人机交互系统总体框架进行设计，并通过 Emotiv 传感器采集受试者左右手运动想象脑电信号和咬牙单双击肌电信号，再对脑电和肌电信号处理方法进行分析与选定，为本文后续工作奠定基础。2.1 系统总体框架设计本文设计的基于脑电和肌电的混合 BCI 人机交互系统主要由信号采集、信号处理、控制接口和智能轮椅四个部分组成。该系统的总体框架如图 2.1 所示。

【参考文献】：
期刊论文
[1]深度置信网络模型及应用研究综述[J]. 刘方园,王水花,张煜东.  计算机工程与应用. 2018(01)
[2]自回归模型和隐马尔可夫模型在癫痫脑电识别中的应用[J]. 李飞,戴加飞,李锦,王俊,侯凤贞.  北京生物医学工程. 2017(05)
[3]深度学习的研究现状与发展[J]. 何晓萍,沈雅云.  现代情报. 2017(02)
[4]脑机接口技术[J]. 顾凡及.  科学. 2016(06)
[5]基于深度卷积神经网络的运动想象分类及其在脑控外骨骼中的应用[J]. 唐智川,张克俊,李超,孙守迁,黄琦,张三元.  计算机学报. 2017(06)
[6]人口老龄化、生育政策调整与中国经济增长[J]. 汪伟.  经济学(季刊). 2017(01)
[7]基于脑肌电融合的混合脑机接口研究[J]. 谢平,陈迎亚,郝艳彪,陈晓玲,杜义浩,吴晓光.  中国生物医学工程学报. 2016(01)
[8]基于DBN的sEMG智能轮椅人机交互系统[J]. 蔡军,李玉兰.  华中科技大学学报(自然科学版). 2015(S1)
[9]“十三五”时期中国人口发展面临的挑战与对策[J]. 张车伟,林宝.  湖南师范大学社会科学学报. 2015(04)
[10]人口老龄化的全球发展趋势[J]. 刘文.  劳动经济评论. 2015(01)

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

硕士论文
[1]全面建成小康社会决胜阶段面临的挑战及对策研究[D]. 耿媛.喀什大学 2017
[2]基于多模态脑电信号的脑机接口关键技术研究[D]. 袁道任.郑州大学 2013
[3]数据层和决策层的信息融合算法研究及应用[D]. 梁彩云.吉林大学 2007



本文编号：3405077