基于视觉诱发电位的3D图像控制研究

发布时间：2017-09-24 10:33

  本文关键词：基于视觉诱发电位的3D图像控制研究

  更多相关文章： 脑机接口 稳态视觉诱发电位 频率编码 相位编码 3D图像控制

【摘要】：本研究中的脑机接口(brain-computer interface,BCI)或(brain-machine interface,BMI),是指在人脑与外部设备间建立的直接连接通路。在该定义中,“脑”一词意指从大脑中诱发出的脑电信号,而“机”是指能接收和处理脑电信号的计算机或机械设备。BCI是一种新型的,不同于传统的人与外界物理环境之间的通讯或控制方式,可以为不能像正常人一样,通过外周神经和肌肉通道与外界建立联系的人,提供一个可能的,有时甚至是唯一的通信或控制方式。帮助思维正常但有严重运动功能障碍的,不能通过说话或肢体动作来表达想法或控制外部设备的患者与外界环境进行交流和控制,过上更为独立自主的生活。这是BCI研究最初,也是最重要的动机。脑机接口的研究和应用中最关键的研究是脑机接口的输入信号,即脑电信号的诱发和识别。上世纪九十年代中期以来,脑机接口经历了迅速的发展,开始了各种脑电信号的诱发和识别研究。稳态视觉诱发电位(steady-state visual-evoked potential,SSVEP)是视觉诱发脑电位的一种,具有较高的信息传输率、训练时间较短及无损伤等优点,本研究中使用SSVEP作为BCI的输入信号,即进行SSVEP-BCI研究。当前,SSVEP-BCI研究的关键是实用化,要解决实用化中的两个关键问题是诱发脑电位稳定性和性能。如果错误少(低误码率)则一个BCI系统是稳定的,如果它提供快速命令(高信息传输速率)则其性能良好。本论文在现有的SSVEP-BCI的基础上,从视觉刺激,信号处理,认知和在线机器学习等各个方面进行了研究,在诱发脑电位的稳定性和性能方面取得了成果,使SSVEP-BCI便于实用化,其成果主要表现在以下几个方面:一,SSVEP的诱发方式研究是SSVEP-BCI应用的基础。本研究基于视觉系统的基本特性,提出了优化的视觉刺激方法,并设计了用于SSVEP-BCI系统的通用便携式视觉刺激器。二,SSVEP的信号处理方法包括SSVEP的信号提取方法和信号识别方法,是SSVEP-BCI应用的关键。本研究探索了在强噪声背景下,快速准确地提取出微弱的SSVEP信号。通过对SSVEP的信号识别方法的研究,成功地对SSVEP进行模式识别和分类,提出高了诱发脑电位的稳定性和性能。三,SSVEP的诱发因人而异,本研究提出了通过UK心理测验,按人的性格行为特征进行在线BCI系统机器学习的方法,有比较好的效果。四,利用以上的研究成果,设计了基于SSVEP-BCI的3D图像控制系统,通过视觉诱发电位实现了对计算机生成的3D图像的移动和转动的位置控制。
【关键词】：脑机接口 稳态视觉诱发电位 频率编码 相位编码 3D图像控制
【学位授予单位】：北京理工大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-24
• 1.1 相关概念11-20
• 1.1.1 脑电的神经解剖学和电生理学基础11-15
• 1.1.2 视觉诱发电位和稳态视觉诱发电位15-17
• 1.1.3 脑机接口17-18
• 1.1.4 基于稳态视觉诱发电位的脑机接口18-20
• 1.2 SSVEP-BCI现状和需要改进的方面20-22
• 1.3 论文的结构和内容22-24
• 第2章 视觉刺激方法研究及视觉刺激器设计24-48
• 2.1 视觉基本特性24-26
• 2.2 视觉刺激方法研究26-38
• 2.2.1 SSVEP用于BCI的原理26-29
• 2.2.2 视觉系统三大途径29-32
• 2.2.3 SSVEP的成分32-33
• 2.2.4 频率编码视觉刺激和相位编码视觉刺激33-38
• 2.3 便携式视觉刺激器设计38-45
• 2.3.1 设计要求和总体方案38-40
• 2.3.2 硬件电路设计40-43
• 2.3.3 软件设计43-45
• 2.4 优化视觉刺激方法研究45-47
• 本章小结47-48
• 第3章 SSVEP的信号处理方法研究48-72
• 3.1 引言48-51
• 3.1.1 脑电信号的特征48-49
• 3.1.2 SSVEP的信号处理流程49-51
• 3.2 信号预处理方法研究51-55
• 3.2.1 独立成分分析(independent component analysis，，ICA)52
• 3.2.2 基于峰值消除（peak elimination）的伪迹去除法52-53
• 3.2.3 利用人工神经网络的眨眼伪迹识别53
• 3.2.4 基于FIR带通滤波（bandpass FIR filters）的去除法53-54
• 3.2.5 方法比较54-55
• 3.3 特征提取方法研究55-59
• 3.3.1 时域分析法55-56
• 3.3.2 频域分析法56-58
• 3.3.3 时间-频率域分析法58-59
• 3.3.4 方法比较59
• 3.4 信号分类及转换方法研究59-64
• 3.4.1 线性分类法60-62
• 3.4.2 神经网络（neural network）62
• 3.4.3 非线性贝叶斯分类器（nonlinear bayesian classifiers）62-63
• 3.4.4 最近邻分类（nearest neighbor classifiers）63-64
• 3.4.5 分类器组合（combinations of classifiers）64
• 3.4.6 方法比较64
• 3.5 一种频率视觉刺激的信号处理方法64-65
• 3.6 相位视觉刺激的信号处理方法65-67
• 3.7 一种优化视觉刺激的信号处理方法67-70
• 本章小结70-72
• 第4章 人的性格行为特征在BCI中的应用72-79
• 4.1 性格行为特征和脑电特征的关系72-74
• 4.2 性格行为特征的测试方法——UK心理测验74-75
• 4.3 性格行为特征在SSVEP相位校准中的应用75-77
• 本章小结77-79
• 第5章 基于SSVEP-BCI的 3D图像控制系统79-89
• 5.1 基于SSVEP-BCI的 3D图像控制系统设计79-84
• 5.1.1 信号采集模块80
• 5.1.2 信号处理模块80-82
• 5.1.3 3D图形控制模块82-83
• 5.1.4 系统性能参数83-84
• 5.2 系统实验84-88
• 5.2.1 实验系统84-86
• 5.2.2 实验及结果86-88
• 本章小结88-89
• 结论89-91
• 参考文献91-106
• 附录106-109
• 攻读学位期间发表论文与研究成果清单109-110
• 致谢110-111
• 作者简介111

【参考文献】

中国期刊全文数据库 前4条

1 张彦军;李梅;;内田-克莱佩林测验在中国内地30年研究述评[J];吉首大学学报(自然科学版);2012年03期

2 何庆华;吴宝明;王禾;彭承琳;钟渝;;脑机接口视觉刺激器的研究[J];中国临床康复;2004年11期

3 柳回春,马树元,吴平东,杨峰,曾兴生,毕路拯;UK心理测试自动分析系统的手写体数字识别[J];北京理工大学学报;2002年05期

4 肖玮 ,苗丹民 ,王京生 ,刘旭峰 ,罗正学 ,刘平 ,王耀武 ,董春梅 ,刘芳;内田-克莱佩林测验在民航飞行学员选拔中的应用[J];中国心理卫生杂志;2002年04期

本文编号：910946