当前位置:主页 > 医学论文 > 生物医学论文 >

基于脑电信号的便携式注意力检测系统设计与实现

发布时间:2020-07-28 23:03
【摘要】:大脑神经细胞在活动中产生的电信号被称为脑电信号,脑电信号在临床医学和工程应用等领域都具有重大的研究价值。在工程应用中,脑-机接口技术能够建立大脑和计算机之间进行沟通的桥梁,通过该技术可以直接识别出大脑中的思维活动,并将其传递给计算机,该技术具有重大的理论科研价值和实际应用前景,目前已被多个国家纳入科技发展规划中,已经成为了当前的研究热点。在脑-机接口技术领域中,使用脑电信号进行注意力检测也是其中的一项重要研究内容。本文主要对使用脑电(Electroencephalogram,EEG)信号进行注意力检测的方法进行了研究,并设计了一种注意力检测系统。本文中采用了干电极进行脑电信号的非侵入式采集,使用Think Gear AM脑电处理芯片对采集到脑电信号进行滤波、放大和AD转换,然后对采集到的信号使用Mallat快速算法进行分析,将分析后得到的脑电信号的四种节律的能量作为特征值,再运用BP神经网络对获得的特征向量进行模式分类。基于以上,本文完成了符合要求的系统设计,硬件方面包括信号采集和传输模块、信号处理和转发模块、电源模块等;软件方面考虑到计算量和便携性的问题,结合了云平台,采用TCP协议设计了客户端和服务器,将系统中的主要计算放在云服务器上进行,并搭建了云Web服务器进行界面交互;同时设计了注意力实验的范式,并通过实验对系统进行了测试。传统的注意力检测方式主要借助摄像头和各种传感器对被测者的表情和姿态进行识别,很难精确量化注意力等级。本文中采用脑电信号进行注意力检测,经测试表明系统能够实现脑电信号的实时采集、处理和分析,与传统方式相比更容易进行量化分析,准确度更高,同时设计的系统体积较小,便于携带。
【学位授予单位】:哈尔滨理工大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:R318;TN911.7
【图文】:

生理结构,人脑,成年人


构和功能术的研究中,对脑电信号进行采集一更有利的脑区将会采集到更具有相关高。结构大致可以分为中枢神经系统(central nipheral nevous system, PNS)[29]。大脑过脊髓向全身传达控制信号,同时脊主要通道。~200 成年人深度睡眠,新生儿,智力发~150 少年脑电主要组成,成年人浅睡~100 正常人基本节律,在清醒、~20 内心紧张,心情亢奋出现,思维活

大脑功能


哈尔滨理工大学工程硕士学位论文,其中大脑皮质的每个区域都出现了功能特化,每个区域都基底神经节主要负责的是运动控制和行为选择,杏仁核负责海马体则是负责记忆、学习、空间认识任务[25]。在大脑底部质、脑桥与中脑共同组成,大脑通过它向身体其他部位传达大脑下部高度结构化的神经元网络,负责运动的协调。脑皮质结构及功能究中涉及到了选择从哪个脑区采集信号,根据大脑的组织和的大脑皮质可以分为额叶、顶叶、枕叶和颞叶这 4 个部分,

国际标准,电极,冠状


国际脑电图(EEG)学会所提出的10-20系统标准电极安放法是最为权威的[30],如图2-4 所示,该方法已经在脑-机接口的实际应用中被广泛使用。图 2-4 国际标准电极放置方法Fig.2-4 International Standard Electrode Placement Method10-20 系统中的电极之间的相对间隔被规定为 10%或者 20%,这也是该放置方法被命名为 10-20 系统的由来。系统中用以放置电极的参考线被命名为矢状线和冠状线,矢状线为鼻根、颅顶和枕外隆凸相连接的一条线,如图 2-3 左所示;冠状线为颅顶、左右耳根相连接的一条线,和矢状线交叉。在大脑头皮的矢状线和冠状线上都按照 10%、20%、20%、20%、20%、10%的顺序来确定5 个参考点,之后以参考点为基准进行电极的安放。

【相似文献】

相关期刊论文 前10条

1 王晓丽;;基于深度学习的癫痫脑电信号分析与预测[J];长春大学学报;2019年06期

2 韦晓燕;陈子怡;周毅;;基于多尺度排列熵的脑电信号分类[J];中国数字医学;2019年05期

3 王薇蓉;张雪英;孙颖;畅江;;关于脑电信号的情感优化识别仿真[J];计算机仿真;2018年06期

4 郭婷仪;李素芳;钟桂仙;曾佳璇;周酥;;基于脑电信号的耳鸣识别算法研究[J];科技传播;2018年13期

5 左晶;万小勤;罗杨;郑斌;陈斌林;任祥花;;癫痫脑电信号的相关性分析[J];电子世界;2017年05期

6 张娜;唐贤伦;刘庆;;基于半监督学习的脑电信号特征提取及识别[J];工程科学与技术;2017年S2期

7 石乔莉;王延辉;李信政;;基于脑电信号的驾驶疲劳的研究[J];世界最新医学信息文摘;2017年55期

8 王恒;李念强;齐鹏冲;;运动想象脑电信号特征的提取与分类[J];工业控制计算机;2015年02期

9 李亚杰;宋明星;张玉栋;;脑电信号采集系统的设计[J];河北建筑工程学院学报;2014年01期

10 蔡超峰;张勇;郭舒婷;姜利英;;思维脑电信号的关联维数分析[J];河南科技大学学报(自然科学版);2012年01期

相关会议论文 前10条

1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集(上)[C];2001年

2 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年

3 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

4 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集(第2卷)[C];2005年

5 张丹丹;丁海艳;侯新琳;叶大田;;新生猪缺氧缺血实验中脑电信号的伪差分析[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

6 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[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

7 胡楠;徐进;郑崇勋;;不同麻醉深度下脑电信号的复杂度研究[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

8 欧阳轶;郑崇勋;张崇;;基于脑电小波熵的生理性精神疲劳分析[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

9 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集(下册)[C];2006年

10 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

相关重要报纸文章 前5条

1 记者 张梦然;脑电信号神经反馈训练可增强抗压性[N];科技日报;2018年

2 科学作者 译者 猛玛;如何做到真正的因材施教[N];电脑报;2016年

3 本报记者 张晓鸣;用脑电波开车,这不是开玩笑[N];文汇报;2015年

4 本报特约撰稿人 陆志城;我思,故我动[N];医药经济报;2003年

5 本报记者 冯海波 通讯员 刘慧婵 祝和平;大学生创意闪耀的舞台[N];广东科技报;2011年

相关博士学位论文 前10条

1 李明阳;基于复合域分析的癫痫脑电信号检测算法研究[D];吉林大学;2018年

2 韩凌;脑电信号同步分析及癫痫发作预测方法研究[D];东北大学;2016年

3 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年

4 缪晓波;基于脑电信号的认知动力学系统研究——线性/非线性方法及动态时—频—空分析[D];重庆大学;2004年

5 徐鹏;信号的稀疏分解及其在脑电信号处理中的应用研究[D];电子科技大学;2006年

6 伍亚舟;基于想象左右手运动思维脑电BCI实验及识别分类研究[D];第三军医大学;2007年

7 唐艳;基于时间、频率和空间域的自发脑电信号提取[D];中南大学;2008年

8 陈东伟;非线性动力学、因果脑网络与聚类稳定性在脑电信号分析中的应用研究[D];太原理工大学;2015年

9 马小飞;认知任务下的脑电动力学分析[D];南京大学;2017年

10 张美云;阿尔茨海默病脑电信号多尺度时空定量特征研究[D];天津医科大学;2012年

相关硕士学位论文 前10条

1 王光远;基于深度学习的脑电信号分析与模式识别研究[D];北京邮电大学;2019年

2 郑天依;基于机器学习的癫痫及精神异常脑电信息识别研究[D];北京邮电大学;2019年

3 吴涧柯;基于对抗神经网络的脑电情绪识别[D];浙江大学;2019年

4 李佳庆;脑电信号中眼电伪迹去除与参考电极选取方法研究[D];太原理工大学;2018年

5 张凯翔;音乐诱发下基于脑电信号的情绪识别研究[D];浙江大学;2019年

6 熊朝坤;基于脑电信号的便携式注意力检测系统设计与实现[D];哈尔滨理工大学;2019年

7 党杰;基于脑电的情绪识别与通道优化选择研究[D];兰州大学;2019年

8 王灿;基于脑电信号的脑卒中分类研究[D];太原理工大学;2019年

9 周梦妮;复杂度和时频分析在癫痫脑电信号诊断与发作预测中的应用研究[D];太原理工大学;2019年

10 陈侃;脑电信号采集及分类算法研究[D];深圳大学;2018年



本文编号:2773560

资料下载
论文发表

本文链接:https://www.wllwen.com/yixuelunwen/swyx/2773560.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户23bdd***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com