基于视觉图片的脑—机接口控制研究

发布时间：2017-11-07 07:31

  本文关键词：基于视觉图片的脑—机接口控制研究

  更多相关文章： 脑—机接口 指数移动平均 AdaBoost 投票感知器 惩罚逻辑回归 以太网供电

【摘要】：脑—机接口(Brain-computer interface,BCI)是一种不依赖于大脑的正常输出通路(外围神经和肌肉组织)而使人类大脑直接与计算机或外部设备进行通信的技术。基于脑电图信号(electroencephalogram,EEG)的脑—机接口方法具有操作方便,成本低以及其无创性等优点,是当前脑—机接口研究的主要方向。脑—机接口系统的研究有明确的临床应用背景,因此实时在线系统的设计和实现有着重要的意义。磁共振成像(MRI)对受试者的观察发现,受试者在进行场景模式学习时,大脑的后海马区与后海马旁回兴奋度明显加强;而在进行脸部辨别学习时,大脑的边缘皮层、前海马区和后梭状回兴奋度增强。本文根据以上观察结论给出一种利用人脸图片和场景图片作为刺激源,来检测受试者后海马区、后海马旁回以及边缘皮层、前海马区和后梭状回附近脑电信号的方法,对受试者在进行人脸图片刺激与场景图片刺激时不同脑电信号进行在线区分。本研究中脑电信号的伪迹去除方法采用指数移动平均算法。脑电信号的分类采用了两种分类算法:一种是利用基于多项式核函数的投票感知器为弱分类器的Ada Boost算法;另一种是惩罚逻辑回归算法。研究中所用到的脑电信号采集设备Emotiv EPOC是一种干电极脑电信号采集放大器。本文首先通过离线实验验证了基于人脸图片和场景图片脑—机接口系统的可行性,6名参与测试的受试者,其离线实验的分类成功率都超过了70%。在线实验是用分类后的脑电信号来实现基于以太网供电(power over ethernet,POE)的智能照明亮度的控制,6位受试者在设定范式下的控制成功率都超过了70%,系统达到6.5bits/min的平均信息传输速率,很好的实现了智能照明的阶梯控制。脑—机接口与POE结合,给出了一种新的智能家居控制思路,这套基于便携式干电极脑电采集器的脑—机接口系统,可以使脑—机接口控制系统走出实验室,将为改善神经肌肉疾病患者的日常生活带来帮助。
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R746;TN911.7

【参考文献】

中国期刊全文数据库 前1条

1 韩景生,孙国强;以太网供电技术的研究与应用[J];仪器仪表学报;2005年S1期

，

本文编号：1151469