基于SSVEP信号的在线BCI关键技术研究

发布时间：2017-03-17 07:08

  本文关键词：基于SSVEP信号的在线BCI关键技术研究，由笔耕文化传播整理发布。

【摘要】：脑机接口(Brain Computer Interface,BCI)系统能够将大脑意识转换为控制外部设备的指令,涉及神经科学、计算机科学、控制理论等多方面技术。其中,稳态视觉诱发电位(Steady State Visual Evoked Potentials,SSVEP)信号作为脑电(Electroencephalogram,EEG)信号的一种,通过外部视觉刺激,就可以在大脑皮层产生特征明显的节律性信号,具有一定的稳定性和持续性。由于SSVEP信号在刺激频率位置的功率谱分量较为强烈,因此通过功率谱分析方法就可以提取其中的重要特征,在BCI系统中有着广泛的应用。然而,BCI系统对于SSVEP信号分析的准确性、实时性和稳定性有着较高的要求,如何以SSVEP信号为基础,在线准确分析SSVEP信号的特征,并设计出实时稳定的在线BCI系统,是当前BCI系统研究的重点内容之一。本文以四分类意识识别作为问题的切入点,以提高SSVEP信号分析的准确性、实时性和稳定性为目标,重点研究SSVEP信号分析的去伪迹、特征提取和分类识别算法,并通过和底层数据流传输技术相结合的方法提高在线系统的实时性和稳定性。主要研究结果如下:(1)设计和实现了SSVEP视觉刺激范式。选择合适的刺激频率,以便产生相对稳定的SSVEP信号,并对SSVEP信号的离线识别方法和在线处理过程中所涉及的理论知识,以及BCI系统的整体设计思路进行了说明。(2)设计和实现了基于典型相关分析和主成分分析的SSVEP信号识别算法。针对脑电信号中存在比较明显的眼电伪迹,首先对常用的独立成分分析算法和二阶盲辨识算法进行了对比,然后设计出基于典型相关分析的二阶盲辨识算法,提高了SSVEP信号预处理的实时性。针对SSVEP信号的实时特征提取和分类,比较典型相关分析技术相对于功率谱分析技术的处理速度优势,进一步针对典型相关分析所涉及到的通道选择、通道个数选择,以及样本容量问题,采用主成分分析方法对典型相关分析过程进行改进,通过对原始SSVEP信号的降维处理,在不影响识别准确性的前提下,进一步提高了典型相关分析的实时性。(3)设计和实现了基于SSVEP信号的在线BCI系统。针对SSVEP数据流的实时处理问题,采用多线程机制将整个处理过程分解为多个并发执行的子任务,并通过缓冲区策略解决线程之间的速度匹配问题;针对SSVEP数据流的流量变化问题,采用自适应单向模糊推理对数据流的变化趋势进行预测;针对线程并发造成的数据重组错序问题,设计信号量同步与互斥方法对中间数据进行顺序重组。实验结果表明,基于主成分分析的典型相关分析算法对多名受试者具有普遍的适用性,具有较高的识别准确率和识别速度;线程并发和自适应单向模糊推理的方法解决了在线BCI系统的实时性和稳定性问题,缩短了单次Trial平均延迟时间,提高了在线BCI系统的信息传输率。
【关键词】：脑机接口 稳态视觉诱发电位 典型相关分析 主成分分析 线程并发 自适应单向模糊推理
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R338;TN911.7
【目录】：

• 摘要4-6
• Abstract6-14
• 1 绪论14-20
• 1.1 研究背景14-15
• 1.2 研究内容15-18
• 1.3 本文主要工作18-20
• 2 SSVEP信号处理过程20-44
• 2.1 SSVEP信号的产生与获取20-27
• 2.1.1 视觉刺激装置设计21-22
• 2.1.2 基于Direct Show的视觉刺激装置实现22-24
• 2.1.3 刺激频率的选择24-26
• 2.1.4 多分类条件下的刺激频率设置26-27
• 2.2 SSVEP信号的离线分析27-37
• 2.2.1 盲信号处理27-31
• 2.2.2 功率谱密度分析31-33
• 2.2.3 典型相关分析33-37
• 2.3 SSVEP信号的在线传输37-43
• 2.3.1 并发子任务37-38
• 2.3.2 单向模糊推理38-41
• 2.3.3 多线程的同步和互斥41-43
• 2.4 本章小结43-44
• 3 SSVEP信号的分类识别44-74
• 3.1 SSVEP信号的伪迹去除44-53
• 3.1.1 独立成分分析去除伪迹44-46
• 3.1.2 二阶盲辨识去除伪迹46-49
• 3.1.3 基于典型相关分析的二阶盲辨识49-51
• 3.1.4 预处理方法的比较51-53
• 3.2 基于AR模型功率谱的SSVEP特征提取53-57
• 3.2.1 基波与谐波分量的组合选取54-56
• 3.2.2 组合结果统计56-57
• 3.3 基于典型相关分析的SSVEP特征提取57-65
• 3.3.1 典型相关分析运算过程57-58
• 3.3.2 不同分类间的相关性验证58-63
• 3.3.3 不同样本长度的准确性对比63-65
• 3.4 PCA对典型相关分析的改进65-73
• 3.4.1 PCA处理SSVEP信号66-68
• 3.4.2 PCA-CCA联合处理效果68-71
• 3.4.3 与单一CCA算法的处理时间对比71-73
• 3.5 本章小结73-74
• 4 基于SSVEP信号的实时系统构建74-93
• 4.1 在线系统综合设计74-78
• 4.1.1 系统整体结构74-75
• 4.1.2 系统参数设计75-76
• 4.1.3 在线系统的算法融合76-78
• 4.2 SSVEP数据流的并发处理78-88
• 4.2.1 网络传输80-82
• 4.2.2 自适应单向模糊推理线程调度82-86
• 4.2.3 多线程的互斥与同步86-88
• 4.3 实验流程与实际应用88-92
• 4.3.1 在线实验过程88-91
• 4.3.2 实际应用91-92
• 4.4 本章小结92-93
• 5 总结与展望93-95
• 5.1 工作总结93
• 5.2 未来展望93-95
• 参考文献95-99
• 致谢99-100
• 个人简历、在学期间发表的学术论文及参与的项目100

【参考文献】

中国期刊全文数据库 前3条

1 袁航剑;洪一帆;罗武;蒋伟;;一种码片内多径参数的最大似然估计算法[J];电子与信息学报;2012年10期

2 ;Design of longitudinal predictive re-entry guidance law based on variable universe fuzzy-PI composite control[J];Journal of Control Theory and Applications;2012年02期

3 黄金杰;吕宁;李双全;蔡云泽;;分类分析中基于信息论准则的特征选取(英文)[J];自动化学报;2008年03期

中国博士学位论文全文数据库 前1条

1 张伟涛;盲信源分离的联合对角化方法研究[D];西安电子科技大学;2011年

  本文关键词：基于SSVEP信号的在线BCI关键技术研究，，由笔耕文化传播整理发布。

本文编号：252538