基于mVEP的脑—机接口关键技术研究

发布时间：2017-07-07 03:03

  本文关键词：基于mVEP的脑—机接口关键技术研究

  更多相关文章： 脑-机接口 运动起始视觉诱发电位 共同空间模式 自适应叠加次数

【摘要】：运动起始视觉诱发电位(motion-onset visual evoked potential, mVEP)近来被应用于基于脑电的脑-机接口(brain-computer interface, BCI)系统之中。mVEP由运动刺激诱发产生,相较于其他的视觉诱发电位,mVEP具有较大的幅度和较小的被试间以及被试内差异,且不容易引起视觉疲劳,因此mVEP-BCI具有重要的应用价值。最近,国内外几家研究单位陆续开展了mVEP-BCI的研究,但是就目前的进展来看,分类识别正确率和信息传输效率仍有很大的进步空间。本文主要围绕以下这三点进行了研究：第一,本论文在总结前人理论研究的基础上,根据mVEP的信号特征,实现了基于mVEP的实用化在线脑-机接口系统。我们采用水平移动的方式作为视觉刺激模块,成功的诱发出了高质量的mVEP脑电信号,并解析编码了对应的控制指令,实现了对虚拟红色小球自由移动的控制。同时,依据被试实验结果,还简要分析了mVEP在被试间和被试内的差异性问题。第二,在被试特征差异的基础上,本论文基于前面的工作,在之前构建的mVEP-BCI的基础上,将广泛运用于基于运动想象的脑-机接口系统等脑-机接口系统的CSP特征提取算法应用到了mVEP-BCI中,并取得了不错的效果,有效的提升了mVEP-BCI的识别准确率。第三,为了提高mVEP-BCI的信息传输率,本论文构建了一种新的适用于mVEP-BCI的动态停止策略方法。mVEP是视觉运动反应的一种头皮脑电,一般包含P1,N2和P2三种成分。通常情况下,需要通过几次叠加来提高mVEP信号的信噪比,但是,更多的叠加次数意味着需要更多的任务时间,无疑会降低范式的执行效率。考虑到被试状态的不稳定性,基于被试实时mVEP的信号质量确定相应的叠加次数,对提高基于mVEP的脑-机接口系统的通信效率有非常重要的作用。在我们的研究中,根据训练数据的真实信息传输率,我们利用mVEP脑电信号的3个主要成分构建了一个脑-机接口系统中实验刺激的动态停止策略。在在线测试的过程中,实验的重复刺激会在实时脑电信号达到预先设定的阈值时自动停止,并开始新一轮任务的刺激。评估测试的结果表明,我们提出来的动态停止策略,能够显著地提高基于mVEP的脑-机接口系统的信息传输效率。由于在实际应用中,脑-机接口系统的信息的传输效率非常重要,所以对其的改进也就具有非常重要的价值。
【关键词】：脑-机接口 运动起始视觉诱发电位 共同空间模式 自适应叠加次数
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R338;TN911.7
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-21
• 1.1 脑-机接口的背景介绍10-16
• 1.1.1 脑-机接口系统的构成框架10-12
• 1.1.2 脑-机接口的类型12-16
• 1.2 脑电中的特征提取及模式识别方法16-18
• 1.2.1 特征提取算法简介17
• 1.2.2 模式分类算法简介17-18
• 1.3 脑-机接口中的自适应算法介绍18-19
• 1.4 本文主要工作19
• 1.5 论文结构19-21
• 第二章 基于mVEP的脑-机接口系统构建21-35
• 2.1 运动起始视觉诱发电位的特征及原理21-23
• 2.1.1 运动起始视觉诱发电位的特征及相关脑区21-22
• 2.1.2 运动起始诱发电位的诱发方式22-23
• 2.2 mVEP-BCI的系统构成23-28
• 2.2.1 系统框架23-27
• 2.2.2 数据处理流程27-28
• 2.3 结果分析28-33
• 2.3.1 离线的脑电数据28-31
• 2.3.2 系统实际控制效果31-33
• 2.4 mVEP-BCI的应用方向33
• 2.5 本章小结33-35
• 第三章 CSP算法在mVEP-BCI中的应用35-41
• 3.1 CSP算法介绍35-36
• 3.2 实验数据描述36
• 3.3 实验数据处理36-38
• 3.3.1 预处理36-37
• 3.3.2 传统的特征提取方法37
• 3.3.3 用CSP算法进行特征提取37-38
• 3.4 结果分析38-40
• 3.4.1 两种特征提取方式的分类结果散点图38-39
• 3.4.2 被试控制表现比较39-40
• 3.5 本章小结40-41
• 第四章 mVEP-BCI系统中的动态停止策略研究41-51
• 4.1 引言41-42
• 4.2 材料与方法42-44
• 4.2.1 实验设计42
• 4.2.2 预处理42
• 4.2.3 数据分析42
• 4.2.4 实验数据按固定叠加次数的方法分析42-43
• 4.2.5 动态停止策略43-44
• 4.3 实验结果44-46
• 4.3.1 mVEP的信号特征44-45
• 4.3.2 mVEP-BCI控制表现45-46
• 4.3.3 mVEP的3种成分对脑-机接口系统表现的影响46
• 4.4 讨论46-50
• 4.4.1 动态停止策略对脑-机接口系统性能的提升47-49
• 4.4.2 被试的个体偏差49-50
• 4.4.3 对于异步BCI的控制50
• 4.4.4 参考电极的影响50
• 4.5 本章小结50-51
• 第五章 总结与展望51-53
• 5.1 全文总结51
• 5.2 未来展望51-53
• 致谢53-54
• 参考文献54-59
• 攻读硕士学位期间取得的成果59

【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2条

1 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

2 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 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

3 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

4 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

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

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

7 高海洋;便携式听觉脑—机接口研究与实现[D];清华大学;2012年

8 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

9 陈龙;基于多生理信息串行融合的在线hBCI技术[D];天津大学;2014年

10 王江;基于脑电mu节律的脑—机接口系统的研究[D];河北工业大学;2006年

，

本文编号：528614