基于运动想象的脑电控制方法研究及实现

发布时间：2023-01-12 09:21

　　脑-机接口（Brain-Computer Interface,BCI）通过解析输入的脑电信号,将用户的意图解码为控制指令来控制输出设备,实现人脑与外部设备的交互。脑-机接口技术的核心是脑电信号的识别,但脑电信号具有非线性和非平稳性等特点,如何有效地提取脑电信号特征成为识别脑电信号的关键。因此,本文针对运动想象脑电信号的特征提取和系统实现展开研究,具有重要的理论研究和实际应用价值。首先,对BCI技术的国内外研究现状进行分析,设计了基于左右手运动想象脑电信号的BCI系统,并对脑电信号的采集方式进行了介绍。同时,通过对当前脑电信号分析方法的研究,确定了本文特征提取和分类识别的基础方法。然后,针对传统BCI系统延迟时间较高的问题,提出一种基于经验模态分解（Empirical Mode Decomposition,EMD）的脑电信号短时特征提取方法ST-EMD。该方法通过窗函数对脑电信号进行分段截取,并对截取信号的边界极值进行延拓,将信号自适应地分解成多个固有模态函数（Intrinsic Mode Function,IMF）,获得具有较高分辨率的时频域特征。最后,将得到的特征通过支持向量机（Su... 

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 本课题研究背景和意义
    1.2 脑-机接口技术概述
        1.2.1 BCI系统的组成
        1.2.2 脑电信号概述
    1.3 BCI技术的国内外研究现状
    1.4 本文的章节安排
    1.5 本章小结
第2章 基于运动想象的脑-机接口系统
    2.1 系统总体框架设计
    2.2 脑电信号采集系统
        2.2.1 实验数据采集仪Emotiv
        2.2.2 脑电信号的采集方式
    2.3 脑电信号处理方法分析
        2.3.1 特征提取
        2.3.2 分类器
    2.4 本章小结
第3章 基于EMD的脑电信号短时特征提取方法
    3.1 经验模态分解
    3.2 基于ST-EMD的脑电信号特征提取
        3.2.1 脑电信号分段处理
        3.2.2 对分段信号进行EMD分解
        3.2.3 基于Hilbert变换的时频域特征分析
    3.3 分类器设计
    3.4 基于左右手运动想象数据集的线下实验
    3.5 本章小结
第4章 基于EMD和改进CSP的脑电信号多特征识别方法
    4.1 CSP算法统一模型
    4.2 基于EMD-CSP的脑电信号多特征提取方法
        4.2.1 基于改进CSP的脑电信号特征提取
        4.2.2 IMF时频域特征提取
    4.3 运动想象脑电信号特征向量构造
    4.4 实验结果与分析
        4.4.1 基于BCI Competition II数据集的比较
        4.4.2 线下离线实验
    4.5 本章小结
第5章 基于BCI的智能轮椅人机交互系统设计与实现
    5.1 基于BCI的智能轮椅人机交互系统平台
        5.1.1 硬件平台
        5.1.2 软件平台
    5.2 系统控制方案设计
        5.2.1 控制指令设置
        5.2.2 硬件系统设计
        5.2.3 软件系统设计
    5.3 实验方案与结果
        5.3.1 实验方案设计
        5.3.2 实验结果及分析
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果


【参考文献】：
期刊论文
[1]基于改进共空间模式与视觉反馈的闭环脑机接口[J]. 任士鑫,王卫群,侯增广,陈霸东,石伟国,王佳星,梁旭.  机械工程学报. 2019(11)
[2]运动想象脑-机接口新进展与发展趋势[J]. 赵欣,陈志堂,王坤,王仲朋,周鹏,綦宏志.  中国生物医学工程学报. 2019(01)
[3]CNN与CSP相结合的脑电特征提取与识别方法研究[J]. 孔祥浩,马琳,薄洪健,李海峰.  信号处理. 2018(02)
[4]基于总体经验模态分解的多类特征的运动想象脑电识别方法研究[J]. 杨默涵,陈万忠,李明阳.  自动化学报. 2017(05)
[5]Bagging RCSP脑电特征提取算法[J]. 张毅,尹春林,蔡军,罗久飞.  自动化学报. 2017(11)
[6]基于深度卷积神经网络的运动想象分类及其在脑控外骨骼中的应用[J]. 唐智川,张克俊,李超,孙守迁,黄琦,张三元.  计算机学报. 2017(06)
[7]脑-计算机接口技术在脑卒中患者中的应用[J]. 陆蓉蓉,吴毅.  康复学报. 2016(05)
[8]基于EEMD和WT的运动想象脑电信号消噪方法[J]. 蔡慧,马玉良,佘青山,高云园,孟明.  传感技术学报. 2016(05)
[9]基于HHT运动想象脑电模式识别研究[J]. 孙会文,伏云发,熊馨,杨俊,刘传伟,余正涛.  自动化学报. 2015(09)
[10]基于稳态视觉诱发电位的脑-机接口无线智能家居系统研究[J]. 赵丽,邢潇,郭旭宏,刘泽华,何洋.  生物医学工程学杂志. 2014(05)

博士论文
[1]多自由度柔性踝关节康复机器人的人机协作控制研究[D]. 刘艾明.武汉理工大学 2018

硕士论文
[1]基于想象左右手运动思维脑电识别分类研究[D]. 何青松.北京交通大学 2016
[2]脑电采集系统软件设计[D]. 梁显龙.电子科技大学 2016
[3]基于BCI技术的手部运动功能康复研究[D]. 郭硕达.北京工业大学 2015
[4]时频分析及其在脑电信号分析中应用的研究[D]. 吴晓彬.大连理工大学 2005



本文编号：3729733