本文選題：腦機接口　切入點：自組織　出處：《江南大學》2012年碩士論文

【摘要】：人們一直幻想利用自身大腦意念來直接控制外部世界，然而這個愿望一直沒能實現(xiàn)。直到隨著計算機和信息處理技術的飛速發(fā)展，科學家們終于將這個夢想變成現(xiàn)實，提出了腦機接口(Brain computer interface，BCI)技術。腦機接口技術是一種新的人機接口方式，它為大腦建立一條全新的體外信息交流與控制通道，通過對腦電信號的分析，理解人的意圖，直接將大腦信息傳達到外部世界。作為一種全新的信息交流技術，它可以為那些思維正常但肢體殘疾的人提供一種新的交流方式，并在軍事醫(yī)療等領域有很大的應用前景。腦電信號的分類識別是腦機接口技術的關鍵，提高其分類的準確率在科研中有很重要的意義。自組織模糊神經(jīng)網(wǎng)絡將模糊邏輯理論和人工神經(jīng)網(wǎng)絡這兩種技術有機的結合起來，既擁有了模糊邏輯理論模仿人類推理的能力，又擁有了人工神經(jīng)網(wǎng)絡的自適應學習能力。而將其應用到腦機接口中，可以很好的預測基于運動想象的腦電信號，更好的讓大腦與外部世界進行交流。本論文的工作重點是： 首先，介紹了腦機接口技術的相關知識，如應用前景、目前的發(fā)展趨勢。闡述了腦機接口技術的概念及其系統(tǒng)組成部分。提出了幾種腦電信號的特征提取方法和模式識別算法，并用MATLAB編程實現(xiàn)了對BCI數(shù)據(jù)的特征提取。 其次，介紹了幾種常用的模糊神經(jīng)網(wǎng)絡的經(jīng)典算法，包括模糊神經(jīng)網(wǎng)絡的基本組成，理論的本質和需要解決的問題(如識別率和抗噪性以及參數(shù)初始化等)，給出了算法的具體實現(xiàn)步驟，為將其引入腦機接口的應用中做理論基礎。 再次，在上面算法的基礎上，提出了基于有效神經(jīng)元的自組織模糊神經(jīng)網(wǎng)絡算法在腦機接口中的應用，，此算法能減少BCI樣本訓練時間，與其他BCI競賽算法比較，具有較好的正確率。 最后，又介紹了改進的基于三階B樣條函數(shù)的自組織模糊神經(jīng)網(wǎng)絡算法。討論了其在腦機接口中的應用，并用MATLAB編程實現(xiàn)對BCI腦機接口數(shù)據(jù)集的分類識別任務。從實驗中可看出，與其他的模糊神經(jīng)網(wǎng)絡算法比較，此算法的識別率還有待提高。
[Abstract]:People have been fantasizing about using their brains to control the outside world directly, but that didn't happen until, with the rapid development of computers and information processing technology, scientists finally turned that dream into reality. Brain-computer interface (Brain-computer interface) is a new method of man-machine interface. It establishes a new way for brain to communicate and control information in vitro. Through the analysis of EEG, we can understand people's intention. To communicate brain information directly to the outside world. As a completely new communication technology, it can provide a new way of communication for people with normal thinking but physical disabilities. The classification and recognition of EEG is the key of brain-computer interface technology. It is very important to improve the accuracy of classification in scientific research. The self-organizing fuzzy neural network combines the fuzzy logic theory with artificial neural network, and has the ability to imitate human reasoning by fuzzy logic theory. It also has the adaptive learning ability of artificial neural network. Applying it to the brain-computer interface, it can well predict the EEG signals based on motion imagination, and better let the brain communicate with the outside world. The main work of this thesis is:. First of all, the related knowledge of brain-computer interface technology, such as application prospect, is introduced. In this paper, the concept of BCI technology and its system components are introduced. Several feature extraction methods and pattern recognition algorithms for EEG signals are presented, and the feature extraction of BCI data is realized by MATLAB programming. Secondly, several classical algorithms of fuzzy neural network are introduced, including the basic composition of fuzzy neural network. The essence of the theory and the problems to be solved (such as recognition rate, noise resistance and parameter initialization etc.) are given. The implementation steps of the algorithm are given, which is the theoretical basis for introducing the algorithm into the application of brain-computer interface. Thirdly, on the basis of the above algorithm, a self-organizing fuzzy neural network algorithm based on effective neuron is proposed in the brain-computer interface. This algorithm can reduce the training time of BCI samples and compare with other BCI competition algorithms. It has good accuracy. Finally, an improved algorithm of self-organizing fuzzy neural network based on third-order B-spline function is introduced, and its application in brain-computer interface is discussed. The classification and recognition task of BCI brain-computer interface data set is realized by MATLAB programming. It can be seen from the experiment that the recognition rate of this algorithm needs to be improved compared with other fuzzy neural network algorithms.
【學位授予單位】：江南大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TP334.7

【相似文獻】

相關期刊論文 前10條

1 吳婷;顏國正;楊幫華;;基于小波包分解的腦電信號特征提取[J];儀器儀表學報;2007年12期

2 沈敏;;腦-機接口技術綜述[J];重慶郵電大學學報(自然科學版);2007年S1期

3 吳婷;;小波變換的自發(fā)腦電信號特征提取[J];上海電機學院學報;2011年03期

4 李坤;周曉蘭;唐希雯;張道信;吳小培;;感知器算法在運動想象腦電模式識別中的應用[J];計算機工程與應用;2006年25期

5 朱文明;高諾;;腦機接口技術研究概述[J];信息技術與信息化;2008年06期

6 堯德中;劉鐵軍;雷旭;楊平;徐鵬;張楊松;;基于腦電的腦-機接口:關鍵技術和應用前景[J];電子科技大學學報;2009年05期

7 張百達;唐玉華;;基于CMP的腦機接口并行算法的設計與實現(xiàn)[J];計算機工程與科學;2009年S1期

8 王洪濤;;視覺誘發(fā)電位腦機接口關鍵技術研究[J];重慶文理學院學報(自然科學版);2010年01期

9 王磊;顏威利;楊碩;徐桂芝;;基于樣本熵的精神任務腦電信號分類研究[J];微計算機信息;2008年30期

10 劉河生,楊福生,高小榕;三維腦電時-空模式識別系統(tǒng)的研究[J];自然科學進展;2003年04期

相關會議論文 前10條

1 耿麗清;趙麗;元鵬賢;李宏偉;;基于雙層穩(wěn)態(tài)視覺誘發(fā)電位的腦機接口技術研究[A];中國自動化學會控制理論專業(yè)委員會D卷[C];2011年

2 錢久超;夏斌;楊文璐;;基于P300誘發(fā)電位的腦機接口技術研究綜述[A];全國第21屆計算機技術與應用學術會議（CACIS·2010）暨全國第2屆安全關鍵技術與應用學術會議論文集[C];2010年

3 陶霖密;穆煜;楊澍;張中元;馬旭龍;;人-車交互系統(tǒng)的設計與實現(xiàn)[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

4 何慶華;吳寶明;王禾;卓豫;;腦機接口視覺剌激方法實驗研究[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（下冊）[C];2007年

5 岳鵬;苗丹民;邱玉輝;;一種眼動型腦機接口的設計原理[A];計算機技術與應用進展——全國第17屆計算機科學與技術應用（CACIS）學術會議論文集（下冊）[C];2006年

6 趙麗;萬柏坤;高揚;;基于腦電信號α波的電動小車控制系統(tǒng)研究[A];先進制造技術論壇暨第三屆制造業(yè)自動化與信息化技術交流會論文集[C];2004年

7 王璐;吳小培;郭曉靜;;基于動態(tài)獨立分量分析的μ節(jié)律提取[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（上冊）[C];2007年

8 孫志強;章瑞平;孟憲遵;;基于小波模糊神經(jīng)網(wǎng)絡刀具狀態(tài)監(jiān)測系統(tǒng)的設計[A];先進制造技術論壇暨第二屆制造業(yè)自動化與信息化技術交流會論文集[C];2003年

9 李麗君;黃思娟;吳效明;熊冬生;;基于ECOG的運動想象特征提取和分類[A];中國生物醫(yī)學工程學會成立30周年紀念大會暨2010中國生物醫(yī)學工程學會學術大會壁報展示論文[C];2010年

10 魏春榮;孫明;劉樹林;;旋轉機械故障診斷的模糊神經(jīng)網(wǎng)絡方法研究[A];第八屆全國振動理論及應用學術會議論文集摘要[C];2003年

相關重要報紙文章 前10條

1 本報記者 孫燕燕;洪波：腦機接口傳遞思維[N];北京科技報;2010年

2 環(huán)科;意念移物-腦機接口技術演繹科技神話[N];福建科技報;2008年

3 本報記者 馬文方;腦機接口：互聯(lián)網(wǎng)遙遠的疆界[N];中國計算機報;2010年

4 本報記者 羅朝淑;腦機接口：喚起神經(jīng)康復的新希望[N];科技日報;2011年

5 實習生 陳明立;腦機接口,開啟“心靈感應”時代[N];科技日報;2010年

6 猛犸;可見的大腦“意念控制”[N];電腦報;2009年

7 徐娜;神奇發(fā)帶為大腦做體檢[N];大眾科技報;2010年

8 清水　編譯;超人并非遙不可及[N];計算機世界;2010年

9 記者 劉正午;賀斌：站在讀腦技術前沿[N];醫(yī)藥經(jīng)濟報;2010年

10 ;人腦能與電腦直接相連嗎?[N];上�？萍紙�;2008年

相關博士學位論文 前10條

1 吳婷;自發(fā)腦電腦機接口模式識別關鍵技術與實驗研究[D];上海交通大學;2008年

2 龍錦益;腦信號分析的算法研究與多模態(tài)腦機接口[D];華南理工大學;2012年

3 何慶華;基于視覺誘發(fā)電位的腦機接口實驗研究[D];重慶大學;2003年

4 蘇煜;基于SCF范式的在線P300腦機接口研究[D];浙江大學;2010年

5 朱曉源;EEG腦機接口的連續(xù)預測方法研究[D];中國科學技術大學;2007年

6 趙麗;基于腦電信號的腦-機接口技術研究[D];天津大學;2004年

7 王鵬;腦機接口中植入式無線遙控遙測技術的研究[D];浙江大學;2012年

8 程明;基于腦電信號的腦—計算機接口的研究[D];清華大學;2004年

9 朱丹華;基于穩(wěn)態(tài)視覺誘發(fā)電位相位的腦機接口研究[D];浙江大學;2011年

10 王磊;基于運動想象的腦電信號分類與腦機接口技術研究[D];河北工業(yè)大學;2009年

相關碩士學位論文 前10條

1 高培;基于自組織模糊神經(jīng)網(wǎng)絡在腦機接口中的應用及其研究[D];江南大學;2012年

2 劉家樂;基于穩(wěn)態(tài)視覺誘發(fā)電位的腦機接口系統(tǒng)的設計與研究[D];安徽大學;2011年

3 徐江;基于實時腦機接口的無線遙控車系統(tǒng)[D];重慶大學;2010年

4 周麗娜;基于腦磁圖的腦機接口方法研究[D];燕山大學;2011年

5 胡備;腦電特征提取與在線腦機接口研究[D];燕山大學;2012年

6 李勇昌;基于MPI并行框架的實時注意力監(jiān)測腦機接口的研究與應用[D];蘭州大學;2012年

7 吳太銀;基于瞬態(tài)視覺誘發(fā)電位的實時無線腦機接口系統(tǒng)的研究與設計[D];重慶大學;2010年

8 李芳;腦機接口中腦電信號特征提取及分類算法研究[D];大連理工大學;2010年

9 姜俊;自適應腦機接口控制系統(tǒng)研究[D];國防科學技術大學;2011年

10 劉佳進;三維視覺刺激器在運動想象腦機接口中的應用研究[D];重慶大學;2010年

本文編號：1682145