【摘要】：腦卒以其高發(fā)病率和高致殘率成為當(dāng)前嚴(yán)重威脅人類健康的一大類重要疾病。約三分之二的腦卒中患者伴有上肢運(yùn)動(dòng)功能障礙，給其精神和身體帶來極大痛苦。如何有效幫助此類患者進(jìn)行康復(fù)治療是當(dāng)今社會(huì)的需要，也是人工智能、康復(fù)工程等多交叉學(xué)科的研究熱點(diǎn)。 腦機(jī)接口(Brain-Computer Interface, BCI)技術(shù)能夠建立不依賴于大腦外圍神經(jīng)與肌肉的通信控制系統(tǒng)，將BCI技術(shù)應(yīng)用于腦卒中患者的運(yùn)動(dòng)康復(fù)治療，可激發(fā)患者的主動(dòng)運(yùn)動(dòng)意愿，同時(shí)，將患者運(yùn)動(dòng)想像與實(shí)際運(yùn)動(dòng)統(tǒng)一起來，有助于改善康復(fù)療效。本文以手臂運(yùn)動(dòng)功能康復(fù)為目標(biāo)，對(duì)手臂運(yùn)動(dòng)想像腦電信號(hào)的眼電偽跡的自動(dòng)去除、自適應(yīng)特征提取、模式分類方法以及在線手臂康復(fù)系統(tǒng)的設(shè)計(jì)等內(nèi)容進(jìn)行深入研究，取得主要成果如下： (1)基于典型相關(guān)分析與小波變換的眼電偽跡去除方法 針對(duì)腦電信號(hào)在實(shí)際采集時(shí)常受到眼電偽跡干擾較大的問題，提出一種基于典型相關(guān)分析(Canonical Correlation Analysis, CCA)和離散小波變換(DiscreteWavelet Transform, DWT)的眼電偽跡去除方法，即DWT-CCA法。首先，對(duì)采集的多導(dǎo)腦電信號(hào)和眼電信號(hào)進(jìn)行離散小波變換，獲得多尺度小波系數(shù)，并利用典型相關(guān)分析去除小波系數(shù)間的相關(guān)性，得到互不相關(guān)的典型小波系數(shù)；進(jìn)而，利用相關(guān)系數(shù)判別眼跡成分，將相應(yīng)典型小波系數(shù)置零并依次采用CCA逆變換和DWT逆變換獲取剔除眼電偽跡后的腦電信號(hào)。利用國際BCI競(jìng)賽數(shù)據(jù)庫提供的9位實(shí)驗(yàn)者的4種眼電數(shù)據(jù)，將本文方法與其它常用方法進(jìn)行實(shí)驗(yàn)對(duì)比研究，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行顯著性分析。結(jié)果表明，DWT-CCA法在均方根誤差、信噪比方面具有顯著優(yōu)勢(shì)，且具有較好的實(shí)時(shí)性，并表現(xiàn)出較強(qiáng)的適應(yīng)能力。 (2)基于正交希爾伯特黃變換和增量式支持向量機(jī)的腦電信號(hào)識(shí)別方法 運(yùn)動(dòng)想象腦電信號(hào)微弱，易受到實(shí)驗(yàn)環(huán)境、實(shí)驗(yàn)者的狀態(tài)及其個(gè)體差異等多種因素的影響，甚至隨著患者康復(fù)的進(jìn)行和時(shí)間的推移而發(fā)生變化，如何自適應(yīng)地提取出能夠準(zhǔn)確反映大腦活動(dòng)的有效腦電特征并適時(shí)進(jìn)行正確分類是BCI技術(shù)能否應(yīng)用于康復(fù)的關(guān)鍵。為此，提出一種基于正交希爾伯特黃變換(OrthogonalHilbert-Huang Transform, OHHT)與增量式支持支持向量機(jī)(Incremental SupportVector Machine, ISVM)的腦電識(shí)別方法(記為OHISVM)。首先，對(duì)腦電信號(hào)(Electroencephalograph, EEG)進(jìn)行偽跡去除，并以熵準(zhǔn)則選取最優(yōu)腦電極組合；進(jìn)而，基于OHHT計(jì)算腦電信號(hào)的Hilbert瞬時(shí)能量譜和Hilbert邊際能量譜，從而獲取EEG信號(hào)的時(shí)域、頻域特征，并基于共空域子空間分解法(Common SpatialSubspace Decomposition, CSSD)方法提取腦電信號(hào)的空域特征，之后，采用串行特征融合策略獲取腦電信號(hào)的時(shí)-頻-空多域特征；最后，使用增量式支持向量機(jī)實(shí)現(xiàn)腦電信號(hào)的特征分類。利用國際BCI競(jìng)賽數(shù)據(jù)庫的ECoG標(biāo)準(zhǔn)數(shù)據(jù)及實(shí)際采集的手臂伸/屈運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行實(shí)驗(yàn)研究，驗(yàn)證本文方法的正確性和有效性。 (3)基于MI-BCI的手臂運(yùn)動(dòng)功能康復(fù)在線系統(tǒng)設(shè)計(jì) 在上述研究的基礎(chǔ)上，設(shè)計(jì)面向手臂運(yùn)動(dòng)康復(fù)的MI-BCI在線系統(tǒng)，以實(shí)現(xiàn)利用手臂屈伸運(yùn)動(dòng)想像EEG的識(shí)別結(jié)果實(shí)時(shí)控制機(jī)械臂的屈伸運(yùn)動(dòng)。該系統(tǒng)主要包括兩大部分：一部分為PC端的上位機(jī)部分，其主要實(shí)現(xiàn)對(duì)腦電信號(hào)的采集及處理工作。腦電信號(hào)的采集利用g.MOBIlab的CAPI函數(shù)和多線程技術(shù)實(shí)現(xiàn)，腦電信號(hào)的處理工作包括對(duì)腦電信號(hào)的偽跡去除、特征提取和模式分類，PC端應(yīng)用軟件基于MFC(Microsoft Foundation Classed)并結(jié)合Matlab與C++語言混合編程技術(shù)完成；另一部分則為基于ARM9的S3C2440處理器構(gòu)建的下位機(jī)部分，以實(shí)現(xiàn)控制機(jī)械手臂的運(yùn)動(dòng)及基于7寸液晶屏的實(shí)驗(yàn)提示功能，，下位機(jī)軟件基于uc/GUI圖形系統(tǒng)開發(fā)完成。上、下位機(jī)之間的通信通過串口實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果驗(yàn)證了MI-BCI康復(fù)系統(tǒng)應(yīng)用于手臂運(yùn)動(dòng)功能康復(fù)領(lǐng)域的可行性，將有助于對(duì)增強(qiáng)中風(fēng)及偏癱患者的手臂康復(fù)訓(xùn)練的主動(dòng)性，提高訓(xùn)練及治療效果，展現(xiàn)了其在該領(lǐng)域的潛在的應(yīng)用價(jià)值與應(yīng)用前景。
[Abstract]:......
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN911.7;R49

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 李明愛;崔燕;楊金福;郝冬梅;;基于HHT和CSSD的多域融合自適應(yīng)腦電特征提取方法[J];電子學(xué)報(bào);2013年12期

2 李肅義;林君;;一種綜合小波變換的心電信號(hào)消噪算法[J];儀器儀表學(xué)報(bào);2009年04期

3 魏琳,沈模衛(wèi),張光強(qiáng),施壯華;EEG波形偽跡去除方法[J];應(yīng)用心理學(xué);2004年03期

4 張立振;;分解信號(hào)為正交本征模態(tài)函數(shù)的方法[J];振動(dòng)與沖擊;2007年05期

5 黃啟春;劉仰光;何欽銘;;基于支持向量機(jī)的增量式算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2008年12期

6 吳小培;葉中付;郭曉靜;張道信;唐希雯;;運(yùn)動(dòng)意識(shí)腦電的動(dòng)態(tài)獨(dú)立分量分析[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2007年06期

7 計(jì)瑜;沈繼忠;施錦河;;一種基于盲源分離的眼電偽跡自動(dòng)去除方法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2013年03期

本文編號(hào)：2422626