脑-机接口中的事件相关电位编解码关键问题研究及应用

发布时间：2017-09-04 16:32

  本文关键词：脑-机接口中的事件相关电位编解码关键问题研究及应用

  更多相关文章： 脑-机接口 事件相关电位 神经机制模型 导联优化 跨个体识别 混合范式 隐性注意 预测模板

【摘要】：脑-机接口(Brain-computer interface,BCI)系统能够将中枢神经系统活动直接转化为人工输出指令,它能够替代、修复、增强、补充或者改善中枢神经系统的正常输出,从而改善中枢神经系统与内外环境之间的交互作用。事件相关电位(event-related potential,ERP)是BCI系统最重要的范式信号之一,它可以反映大脑对触发事件响应时其内部的神经信息流向和处理过程,被广泛的应用在神经科学、认知科学、心理生理学以及人机交互领域的研究当中。但是,目前基于ERP的BCI系统发展受到了巨大的挑战:1)ERP神经机制之谜导致无法建立起稳定可靠的ERP数学模型;2)当前的ERP解码算法效率有待提高;3)传统的ERP-BCI范式在指令编码中已经显现出明显的缺陷。针对上述挑战,本文重点开展了一系列ERP解编码关键问题的研究,包括ERP的神经机制模型、ERP导联优化算法、ERP跨个体识别算法、基于ERP的混合范式BCI系统、非眼动依赖型BCI系统以及基于预测模板的ERP特征识别等。首先,针对ERP的神经机制问题,本文提出了一种研究ERP动态演变过程的有效方法,并且利用该方法首次得到了视觉ERP演变的三个意识形态完全不同的连续时期,验证了ERP的非线性相位重排机制,首次发现了外界刺激的物理属性是ERP神经机制模型中的一个重要影响因素。其次,在改进ERP解码算法方面,本文根据ERP的生成机制和波形特征,发展了高效的ERP-BCI导联优化算法和跨个体识别算法。为实现可靠的导联优化,文中利用ERP的相位信息设计了一种新的基于相位锁定集中值的递归特征筛除算法(phase locking and concentrating value-based recursive feature elimination,PLCV-RFE)。与经典的导联优化算法相比,PLCV-RFE能够在不影响正确率的情况下优化出更小的导联集合。针对跨个体ERP识别,研究中提出了一种带权重集成学习总体信息(weighted ensemble learning generic information,WELGI)的新算法,与传统分类策略相比,WELGI能够显著的提高分类正确率。最后,在提高ERP-BCI的编码效率方面,本文设计出了P300+SSVEP-B speller的BCI混合新范式,并在该范式基础上成功开发出了一套并行式混合范式BCI系统,该系统的最高信息传输率可达传统P300 speller的3倍左右。此外,实验中发现在隐性注意力调制下的ERP与SSVEP交互特征对注意力水平非常敏感,可实现对非眼动依赖型BCI的可靠控制。研究结果还证实了时间预测模板EEG特征的可分性与P300-speller中ERP的可分性相当,未来有望成为一种有效的BCI控制新信号。总之,本文围绕ERP-BCI开展的系列研究的结果将为深入理解ERP的神经机制、稳步提高ERP-BCI的运行效率提供理论和技术支持。
【关键词】：脑-机接口 事件相关电位 神经机制模型 导联优化 跨个体识别 混合范式 隐性注意 预测模板
【学位授予单位】：天津大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TN911.7;R318
【目录】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 绪论12-36
• 1.1 脑电图介绍12-19
• 1.1.1 EEG的发展历史12-13
• 1.1.2 EEG的神经生理学基础13-16
• 1.1.3 EEG的分类16-18
• 1.1.4 EEG的主要应用18-19
• 1.2 事件相关电位基础19-25
• 1.2.1 ERP的发展历史19-20
• 1.2.2 ERP的分类与主要成分20-24
• 1.2.3 ERP在脑科学研究中的重要地位24-25
• 1.2.4 ERP的神经机制之争25
• 1.3 脑-机接口技术25-31
• 1.3.1 BCI的发展历史25-27
• 1.3.2 BCI的分类27-30
• 1.3.3 BCI的应用30-31
• 1.4 ERP-BCI介绍31-33
• 1.4.1 ERP-BCI的基本工作原理31-32
• 1.4.2 ERP-BCI的发展与挑战32-33
• 1.5 本文的研究目的与研究意义33-34
• 1.6 主要研究内容与章节安排34-36
• 第二章 ERP-BCI的神经学基础研究36-59
• 2.1 ERP的神经机制与ERP-BCI的发展36-37
• 2.2 ERP的提取与分析方法介绍37-38
• 2.2.1 时域波形提取37
• 2.2.2 事件相关谱扰动和试次间相干性分析37-38
• 2.3 ERP的神经机制模型之争38-44
• 2.3.1 诱发模型的典型证据41-42
• 2.3.2 相位重排模型的典型证据42-43
• 2.3.3 混合模型的典型证据43
• 2.3.4 小结43-44
• 2.4 实验设计与数据采集分析方法44-48
• 2.4.1 课题基本思路44
• 2.4.2 实验设计与实施44-46
• 2.4.3 数据采集与预处理46
• 2.4.4 分析方法46-48
• 2.5 结果分析48-55
• 2.5.1 VEP演变过程与各时期分割48-50
• 2.5.2 VEP 成分中的 SSVEP 比重分析50-51
• 2.5.3 VEP 成分分析51-52
• 2.5.4 交叉项分析52-55
• 2.6 讨论55-57
• 2.6.1 实验设计有效性讨论55
• 2.6.2 VEP的三时期演变55-56
• 2.6.3 ERP模型分析56-57
• 2.6.4 对ERP-BCI的启发57
• 2.7 本章小结57-59
• 第三章 提升ERP-BCI效率的新算法研究59-77
• 3.1 ERP-BCI的算法发展介绍59
• 3.2 ERP-BCI的导联优化算法研究59-68
• 3.2.1 用于BCI导联优化的经典算法介绍60-62
• 3.2.2 基于相位信息测量的导联优化算法62-64
• 3.2.3 实验设计与数据采集64-66
• 3.2.4 结果比较66-67
• 3.2.5 讨论与结论67-68
• 3.3 个体间信息提升ERP-BCI分类效果的算法研究68-75
• 3.3.1 用于ERP-BCI的经典分类算法介绍68-69
• 3.3.2 基于个体间信息与个体内信息融合的ERP-BCI分类算法69-72
• 3.3.3 实验设计、数据采集与分析方法72-73
• 3.3.4 结果比较73-75
• 3.3.5 结论75
• 3.4 本章小结75-77
• 第四章 基于ERP与SSVEP融合的混合范式BCI系统研究77-93
• 4.1 混合范式BCI系统介绍77-78
• 4.1.1 混合范式BCI系统的概念提出77
• 4.1.2 混合范式BCI系统的发展状况77-78
• 4.2 基于ERP与SSVEP的混合范式BCI设计78-85
• 4.2.1 基本思路78
• 4.2.2 范式设计与实现78-80
• 4.2.3 数据采集与分析方法80-81
• 4.2.4 实验结果81-85
• 4.2.5 讨论与结论85
• 4.3 基于ERP与SSVEP的并行式混合范式BCI系统实现85-92
• 4.3.1 基本思路85-86
• 4.3.2 系统设计与实现86-87
• 4.3.3 数据采集与分析方法87-89
• 4.3.4 离线结果分析89-90
• 4.3.5 在线结果展示90-92
• 4.3.6 结论92
• 4.4 本章小结92-93
• 第五章 脑-机接口新方法探索研究93-103
• 5.1 传统 ERP-BCI 系统的局限性93
• 5.2 隐性注意力检测与非眼动依赖 BCI 系统93-97
• 5.2.1 非眼动依赖型 BCI 的提出与发展现状93-95
• 5.2.2 隐性注意力调制 ERP 与 SSVEP 实验95-96
• 5.2.3 隐性注意力调制 ERP 与 SSVEP 特征的检测与分类96-97
• 5.3 预测大脑理论与 BCI 系统97-102
• 5.3.1 预测大脑理论及其对 BCI 的启发97-98
• 5.3.2 大脑时间预测模板在脑电图中的表征98-100
• 5.3.3 大脑预测模板特征在 BCI 系统中的可用性分析100-102
• 5.4 本章小结102-103
• 第六章 总结与展望103-106
• 6.1 研究总结103-104
• 6.2 未来展望104-106
• 参考文献106-120
• 发表论文和参加科研情况说明120-122
• 致谢122-124

【相似文献】

中国期刊全文数据库 前10条

1 高上凯;;神经工程与脑-机接口[J];生命科学;2009年02期

2 贾川;闫铮;洪波;高小榕;高上凯;;相位集聚指数在脑-机接口特征提取中的应用[J];清华大学学报(自然科学版);2010年06期

3 任亚莉;;基于脑电的脑-机接口系统[J];中国组织工程研究与临床康复;2011年04期

4 郭苗苗;徐桂芝;王磊;高海娟;;听觉脑-机接口技术实验范式的研究进展[J];中国生物医学工程学报;2013年05期

5 官金安,林家瑞;脑-机接口技术进展与挑战[J];中国医疗器械杂志;2004年03期

6 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

7 王陆洲;王索刚;匡光涛;;一种基于心算任务的脑-机接口范式的研究[J];生物医学工程学杂志;2013年03期

8 任宇鹏,王广志,程明,高小榕,季林红;基于脑-机接口的康复辅助机械手控制[J];中国康复医学杂志;2004年05期

9 张谦;王振;秦琦;万柏坤;;基于脑电Alpha波的脑-机接口控制系统研究[J];医疗卫生装备;2006年06期

10 万柏坤,高扬,赵丽,綦宏志;脑-机接口:大脑对外信息交流的新途径[J];国外医学.生物医学工程分册;2005年01期

中国重要会议论文全文数据库 前8条

1 高上凯;高小榕;洪波;张志广;杨福生;;脑-机接口的发展现状与未来[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）[C];2007年

2 高小榕;;面向临床的脑-机接口研究[A];中国神经科学学会第十届全国学术会议论文摘要集[C];2013年

3 张涛;裴晓梅;郑崇勋;王钊;;基于运动相关脑电的在线脑-机接口系统构建[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

4 赵慧;李远清;;脑-机接口技术研究概况[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

5 王毅军;洪波;高小榕;高上凯;;结合能量和相位特征的多分类想象运动脑-机接口[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

6 万柏坤;綦宏志;陈滨津;张谦;王振;;脑-机接口中想象动作电位提取方法研究[A];第一届全国脑与认知科学学术研讨会论文集[C];2005年

7 李耀楠;张小栋;王云霞;;脑-机接口驱动神经义肢手系统的研究[A];第七届全国康复医学工程与康复工程学术研讨会论文集[C];2010年

8 夏哈雷;夏斌;杨文璐;;基于OpenViBE的运动想象脑-机接口研究[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

中国重要报纸全文数据库 前1条

1 本报记者 赵建国;“意念”控制技术让人们心想事成[N];中国知识产权报;2008年

中国博士学位论文全文数据库 前5条

1 袁鹏;跨脑信息挖掘及其在脑—机接口中的应用[D];清华大学;2015年

2 陈小刚;高速率稳态视觉诱发电位脑-机接口的关键技术研究[D];清华大学;2015年

3 许敏鹏;脑-机接口中的事件相关电位编解码关键问题研究及应用[D];天津大学;2015年

4 官金安;脑—机接口及其信号的单次提取[D];华中科技大学;2005年

5 郭晓静;独立分量分析在脑—机接口中的应用研究[D];安徽大学;2010年

中国硕士学位论文全文数据库 前10条

1 陈瑞;基于mVEP的脑—机接口关键技术研究[D];电子科技大学;2015年

2 丁佳;基于视觉双特征的并行脑—机接口范式的研究[D];天津医科大学;2015年

3 蔡怡;频率同步特征与SVM/HMM混合模型在脑-机接口中的应用研究[D];重庆大学;2015年

4 郭飞;基于运动起始视觉响应和认知正相晚成分的脑-机接口[D];清华大学;2009年

5 刘涛;基于运动起始视觉响应的在线实用化脑—机接口[D];清华大学;2010年

6 郜东瑞;便携式无线脑-机接口硬件设计[D];中南民族大学;2011年

7 孟丽晶;基于P300和SSVEP的脑—机接口研究[D];华东理工大学;2013年

8 权苏会;基于LabVIEW的实时脑—机接口系统实现[D];重庆大学;2008年

9 高海洋;便携式听觉脑—机接口研究与实现[D];清华大学;2012年

10 肖丹丹;脑—机接口的模式分类及其DSP实现[D];中南民族大学;2009年

，

本文编号：792628