基于机器学习的车辆操控运动想象脑电信号处理与脑—机接口系统研究
发布时间：2021-02-18 15:27
脑-机接口是一种新颖的人机交互方式,通过处理人脑头皮的脑电信号,来识别人的意图,并实现对外部设备的控制,脑-机接口不仅能为残疾人操控辅助车辆提供了可能,还能为无人驾驶在技术过渡阶段提取驾驶员的操控意念信息,有助于自主智能车通过脑-机接口学习人开车的经验和预判方式。现有的脑-机接口技术研究大部分属于离线处理,不能满足操控车辆任务的在线实时要求,而且现有运动想象脑电信号处理方面的研究大多数采用Graz BCI竞赛数据进行左、右手运动想象脑电信号数据分类,不仅运动想象类型不满足车辆操控所需的加速、减速、左转、右转四类控制需求,而且采集的设备属于医疗级湿电极的脑电采集装置,不适合车辆操控移动场景的便捷性需求。因此本论文采用十四导干电极无线传输的Emotiv EPOC+脑电采集头套,研究基于“推”、“拉”、“左”、“右”想象类型的四类车辆操控运动想象脑电信号分类与在线识别与验证的研究。主要的研究内容包括以下四个方面:（1）搭建车辆操控运动想象脑电信号采集与标记平台,设计基于Emotiv EPOC+的十四导脑电采集范式,研究基于模型智能车的摄像头路况反馈和驾驶模拟器状态读取的“推”、“拉”、“左”...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 脑-机接口系统概况
1.3 本课题相关的研究现状及存在的问题
1.3.1 基于EEG的脑-机接口系统研究现状
1.3.2 车辆操控相关脑-机接口研究现状
1.3.3 存在的关键问题
1.4 论文研究内容
第二章 脑电信号生理基础与脑电信号标记数据集制作
2.1 引言
2.2 脑电信号概述
2.2.1 人脑的结构和功能
2.2.2 脑电信号产生的机理
2.2.3 脑电信号的特征和类型
2.3 车辆操控运动想象脑电信号采集与标记数据集制作
2.3.1 车辆操控运动想象脑电数据采集
2.3.2 车辆操控运动想象脑电信号标记数据集制作
2.4 本章小结
第三章 运动想象脑电信号预处理
3.1 引言
3.2 原始数据初步预处理
3.2.1 异常电位点的去除
3.2.2 基线漂移的去除与信号滤波
3.3 独立成分分析（ICA）
3.4 小波-典型相关分析（wCCA）
3.5 本章小结
第四章 基于机器学习的车辆操控运动想象脑电信号二分类研究
4.1 引言
4.2 机器学习概述
4.3 基于事件相关去同步化/同步化（ERD/ERS）的横向操控运动想象脑电信号二分类
4.3.1 事件相关去同步化/同步化（ERD/ERS）现象
4.3.2 基于公共空间模式（CSP）的横向操控运动想象特征提取
4.3.3 基于支持向量机（SVM）的横向操控运动想象分类
4.4 基于EmotivSDK（开发包）编程接口的纵向操控运动想象脑电信号二分类
4.4.1 基于EmotivSDK开发包的纵向操控运动想象脑电信号特征提取
4.4.2 基于BP神经网络的纵向操控运动想象脑电信号二分类
4.5 本章小结
第五章 基于深度学习与集成学习的车辆操控运动想象脑电信号四分类研究
5.1 引言
5.2 深度学习概述
5.3 基于深度卷积神经网络的车辆操控运动想象脑电信号四分类
5.3.1 深度卷积神经网络搭建
5.3.2 深度卷积神经网络训练
5.4 基于集成学习改进方法的车辆操控运动想象脑电信号四分类
5.4.1 集成学习概述
5.4.2 基于集成学习的车辆操控运动想象脑电信号分类框架搭建
5.5 分类测试结果
5.6 本章小结
第六章 车辆操控在线脑-机接口平台搭建与实车实验
6.1 引言
6.2 硬件搭建方案
6.2.1 上位机
6.2.2 模型智能车
6.3 软件环境搭建与算法设计
6.3.1 基于OpenViBE的脑电信号实时处理环境搭建与模型迁移
6.3.2 雷达数据处理与工控机避障算法设计
6.3.3 底盘运动控制程序设计
6.4 实车实验
6.4.1 实验准备
6.4.2 实车实验效果
6.4.3 实车实验数据分析
6.5 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
作者简介
【参考文献】：
期刊论文
[1]基于汽车操纵信号的驾驶员疲劳状态检测[J]. 李伟,何其昌,范秀敏. 上海交通大学学报. 2010(02)
[2]共空域模式方法在多类别分类中的应用[J]. 刘广权,黄淦,朱向阳. 中国生物医学工程学报. 2009(06)
博士论文
[1]脑—控车辆的人车交互及控制研究[D]. 范新安.北京理工大学 2015
硕士论文
[1]基于BCI的生物机器人智能导航系统的研究[D]. 徐志健.浙江大学 2007
本文编号：3039743
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 脑-机接口系统概况
1.3 本课题相关的研究现状及存在的问题
1.3.1 基于EEG的脑-机接口系统研究现状
1.3.2 车辆操控相关脑-机接口研究现状
1.3.3 存在的关键问题
1.4 论文研究内容
第二章 脑电信号生理基础与脑电信号标记数据集制作
2.1 引言
2.2 脑电信号概述
2.2.1 人脑的结构和功能
2.2.2 脑电信号产生的机理
2.2.3 脑电信号的特征和类型
2.3 车辆操控运动想象脑电信号采集与标记数据集制作
2.3.1 车辆操控运动想象脑电数据采集
2.3.2 车辆操控运动想象脑电信号标记数据集制作
2.4 本章小结
第三章 运动想象脑电信号预处理
3.1 引言
3.2 原始数据初步预处理
3.2.1 异常电位点的去除
3.2.2 基线漂移的去除与信号滤波
3.3 独立成分分析（ICA）
3.4 小波-典型相关分析（wCCA）
3.5 本章小结
第四章 基于机器学习的车辆操控运动想象脑电信号二分类研究
4.1 引言
4.2 机器学习概述
4.3 基于事件相关去同步化/同步化（ERD/ERS）的横向操控运动想象脑电信号二分类
4.3.1 事件相关去同步化/同步化（ERD/ERS）现象
4.3.2 基于公共空间模式（CSP）的横向操控运动想象特征提取
4.3.3 基于支持向量机（SVM）的横向操控运动想象分类
4.4 基于EmotivSDK（开发包）编程接口的纵向操控运动想象脑电信号二分类
4.4.1 基于EmotivSDK开发包的纵向操控运动想象脑电信号特征提取
4.4.2 基于BP神经网络的纵向操控运动想象脑电信号二分类
4.5 本章小结
第五章 基于深度学习与集成学习的车辆操控运动想象脑电信号四分类研究
5.1 引言
5.2 深度学习概述
5.3 基于深度卷积神经网络的车辆操控运动想象脑电信号四分类
5.3.1 深度卷积神经网络搭建
5.3.2 深度卷积神经网络训练
5.4 基于集成学习改进方法的车辆操控运动想象脑电信号四分类
5.4.1 集成学习概述
5.4.2 基于集成学习的车辆操控运动想象脑电信号分类框架搭建
5.5 分类测试结果
5.6 本章小结
第六章 车辆操控在线脑-机接口平台搭建与实车实验
6.1 引言
6.2 硬件搭建方案
6.2.1 上位机
6.2.2 模型智能车
6.3 软件环境搭建与算法设计
6.3.1 基于OpenViBE的脑电信号实时处理环境搭建与模型迁移
6.3.2 雷达数据处理与工控机避障算法设计
6.3.3 底盘运动控制程序设计
6.4 实车实验
6.4.1 实验准备
6.4.2 实车实验效果
6.4.3 实车实验数据分析
6.5 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
作者简介
【参考文献】：
期刊论文
[1]基于汽车操纵信号的驾驶员疲劳状态检测[J]. 李伟,何其昌,范秀敏. 上海交通大学学报. 2010(02)
[2]共空域模式方法在多类别分类中的应用[J]. 刘广权,黄淦,朱向阳. 中国生物医学工程学报. 2009(06)
博士论文
[1]脑—控车辆的人车交互及控制研究[D]. 范新安.北京理工大学 2015
硕士论文
[1]基于BCI的生物机器人智能导航系统的研究[D]. 徐志健.浙江大学 2007
本文编号：3039743
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3039743.html
