基于运动想象的脑电信号分析与脑机接口系统设计
发布时间：2021-03-20 13:00
脑机接口技术实现了人类大脑对外界设备的直接控制,从解决重度残障人士生活能力的初衷到目前涉及的娱乐、交通、医疗等多个领域,脑机接口技术的应用变得越来越广泛。研究表明,脑电信号能够被正确解读是大脑与外界设备实现准确交流的关键性步骤,因此,对脑电信号利用相关算法进行识别十分必要。本文分析了自发式的运动想象脑电信号,实现了两类信号的识别与分类,并开发了一套智能小车脑机接口系统,实现了脑电信号对智能小车的控制,主要内容有:将脑电信号通过椭圆滤波器滤波,保留有效的且能反应大脑意识变化的830HZ范围内的信号,有效地减少了高低频率的干扰。对比常用的提取脑电信号特征的算法优缺点,本文结合共空间模式法和AR模型法获得新的特征值,并通过支持向量机分类器和线性判别分类器进行分类,实验结果显示,由两类分类器分别分类后,其分类准确度比利用单一的特征提取法均有所提高。为了进一步证明特征提取结合法的可行性,对第三届脑机接口比赛中的两位受试者脑电信号进行分类,分类结果表明,利用本文改进的结合特征提取法能明显提高脑电信号的分类准确度。设计了一个基于TGAM模块的脑机接口智能小车系统,硬件部分以Ar...
【文章来源】：中北大学山西省
【文章页数】：92 页
【学位级别】：硕士
【部分图文】：
脑机接口系统组成
图 1.2 基于运动想象的机械手臂控制 图 1.3 基于运动想象的机器鼠郑州大学的张利朋将在线模式下的大脑意识识别后转换为对机器人的控制指令，中，若大脑处于放松无想象运动状态时，机器人前进；大脑处于左/右运动想象状态时则机器人分别向左/向右转弯，如图 1.4 所示。实验对机器人完成任务所用的时间进行记录，分析其结果表明，训练后的大多数被试者利用在线脑机接口系统均能够达到对器人的实时控制要求[9]。
图 1.2 基于运动想象的机械手臂控制 图 1.3 基于运动想象的机器鼠郑州大学的张利朋将在线模式下的大脑意识识别后转换为对机器人的控制指令，中，若大脑处于放松无想象运动状态时，机器人前进；大脑处于左/右运动想象状态时则机器人分别向左/向右转弯，如图 1.4 所示。实验对机器人完成任务所用的时间进行记录，分析其结果表明，训练后的大多数被试者利用在线脑机接口系统均能够达到对器人的实时控制要求[9]。
【参考文献】：
期刊论文
[1]基于SSVEP与运动想象的实时脑控阿凡达系统[J]. 林铭铎,欧祖宏. 计算机与现代化. 2018(01)
[2]脑机接口（BCI）实现原理及前景展望[J]. 萧崇卓. 数字技术与应用. 2017(12)
[3]脑电波无线鼠标设计[J]. 郭雪峰,袁志勇. 科学技术创新. 2017(27)
[4]一种混合核函数的支持向量机[J]. 刘高辉,杨星. 微型机与应用. 2017(11)
[5]常用线性分类器算法及基于Mathematica三维可视化[J]. 朱静雯,向仕兵. 现代计算机(专业版). 2017(10)
[6]基于TGAM模块的疲劳驾驶监测系统[J]. 杜冠宏,李庆之,董正心. 新型工业化. 2016(08)
[7]视觉通路下闪光刺激对SSVEP影响的仿真研究[J]. 郭湛超,覃玉荣,赵隆. 电子测量与仪器学报. 2016(04)
[8]经验模态分解中一种改进的包络线拟合算法[J]. 吴贤规,王安娜,会国涛. 东北大学学报(自然科学版). 2015(11)
[9]噪声干扰环境下抑制EMD模态混叠方法[J]. 黎恒,李智,莫玮,张绍荣. 信号处理. 2015(08)
[10]脑-机接口技术研究[J]. 洪杰,秦现生,谭小群,王文杰,牛军龙. 北京生物医学工程. 2014(05)
硕士论文
[1]基于运动想象的人脑意念操控大鼠研究[D]. 袁盛.浙江大学 2018
[2]小波预处理的ITD方法在脑电信号处理中的应用研究[D]. 梁悦.太原理工大学 2017
[3]基于运动想象的脑电信号特征选择及分类算法研究[D]. 康春香.西南科技大学 2017
[4]基于EEG-fNIRS的少通道双模态脑机接口关键技术研究[D]. 史艳华.东南大学 2017
[5]基于运动想象脑电信号的脑机接口相关算法研究[D]. 李涛.燕山大学 2017
[6]基于运动想象实时脑机接口关键技术研究[D]. 王宣方.天津职业技术师范大学 2016
[7]基于运动想象的异步脑—机接口算法研究[D]. 马秀秀.哈尔滨工业大学 2016
[8]基于异步在线BCI的机器人导航系统研究[D]. 张利朋.郑州大学 2016
[9]基于盲源分离的P300脑机接口信号处理算法研究[D]. 信思旭.燕山大学 2016
[10]便携式EEG信号采集仪硬软件设计[D]. 陈丰.华中科技大学 2016
本文编号：3091040
【文章来源】：中北大学山西省
【文章页数】：92 页
【学位级别】：硕士
【部分图文】：
脑机接口系统组成
图 1.2 基于运动想象的机械手臂控制 图 1.3 基于运动想象的机器鼠郑州大学的张利朋将在线模式下的大脑意识识别后转换为对机器人的控制指令，中，若大脑处于放松无想象运动状态时，机器人前进；大脑处于左/右运动想象状态时则机器人分别向左/向右转弯，如图 1.4 所示。实验对机器人完成任务所用的时间进行记录，分析其结果表明，训练后的大多数被试者利用在线脑机接口系统均能够达到对器人的实时控制要求[9]。
图 1.2 基于运动想象的机械手臂控制 图 1.3 基于运动想象的机器鼠郑州大学的张利朋将在线模式下的大脑意识识别后转换为对机器人的控制指令，中，若大脑处于放松无想象运动状态时，机器人前进；大脑处于左/右运动想象状态时则机器人分别向左/向右转弯，如图 1.4 所示。实验对机器人完成任务所用的时间进行记录，分析其结果表明，训练后的大多数被试者利用在线脑机接口系统均能够达到对器人的实时控制要求[9]。
【参考文献】：
期刊论文
[1]基于SSVEP与运动想象的实时脑控阿凡达系统[J]. 林铭铎,欧祖宏. 计算机与现代化. 2018(01)
[2]脑机接口（BCI）实现原理及前景展望[J]. 萧崇卓. 数字技术与应用. 2017(12)
[3]脑电波无线鼠标设计[J]. 郭雪峰,袁志勇. 科学技术创新. 2017(27)
[4]一种混合核函数的支持向量机[J]. 刘高辉,杨星. 微型机与应用. 2017(11)
[5]常用线性分类器算法及基于Mathematica三维可视化[J]. 朱静雯,向仕兵. 现代计算机(专业版). 2017(10)
[6]基于TGAM模块的疲劳驾驶监测系统[J]. 杜冠宏,李庆之,董正心. 新型工业化. 2016(08)
[7]视觉通路下闪光刺激对SSVEP影响的仿真研究[J]. 郭湛超,覃玉荣,赵隆. 电子测量与仪器学报. 2016(04)
[8]经验模态分解中一种改进的包络线拟合算法[J]. 吴贤规,王安娜,会国涛. 东北大学学报(自然科学版). 2015(11)
[9]噪声干扰环境下抑制EMD模态混叠方法[J]. 黎恒,李智,莫玮,张绍荣. 信号处理. 2015(08)
[10]脑-机接口技术研究[J]. 洪杰,秦现生,谭小群,王文杰,牛军龙. 北京生物医学工程. 2014(05)
硕士论文
[1]基于运动想象的人脑意念操控大鼠研究[D]. 袁盛.浙江大学 2018
[2]小波预处理的ITD方法在脑电信号处理中的应用研究[D]. 梁悦.太原理工大学 2017
[3]基于运动想象的脑电信号特征选择及分类算法研究[D]. 康春香.西南科技大学 2017
[4]基于EEG-fNIRS的少通道双模态脑机接口关键技术研究[D]. 史艳华.东南大学 2017
[5]基于运动想象脑电信号的脑机接口相关算法研究[D]. 李涛.燕山大学 2017
[6]基于运动想象实时脑机接口关键技术研究[D]. 王宣方.天津职业技术师范大学 2016
[7]基于运动想象的异步脑—机接口算法研究[D]. 马秀秀.哈尔滨工业大学 2016
[8]基于异步在线BCI的机器人导航系统研究[D]. 张利朋.郑州大学 2016
[9]基于盲源分离的P300脑机接口信号处理算法研究[D]. 信思旭.燕山大学 2016
[10]便携式EEG信号采集仪硬软件设计[D]. 陈丰.华中科技大学 2016
本文编号：3091040
本文链接：https://www.wllwen.com/yixuelunwen/swyx/3091040.html
