發(fā)布時間：2017-07-07 03:03

  本文關鍵詞：基于mVEP的腦—機接口關鍵技術研究

  更多相關文章： 腦-機接口 運動起始視覺誘發(fā)電位 共同空間模式 自適應疊加次數(shù)

【摘要】：運動起始視覺誘發(fā)電位(motion-onset visual evoked potential, mVEP)近來被應用于基于腦電的腦-機接口(brain-computer interface, BCI)系統(tǒng)之中。mVEP由運動刺激誘發(fā)產(chǎn)生,相較于其他的視覺誘發(fā)電位,mVEP具有較大的幅度和較小的被試間以及被試內(nèi)差異,且不容易引起視覺疲勞,因此mVEP-BCI具有重要的應用價值。最近,國內(nèi)外幾家研究單位陸續(xù)開展了mVEP-BCI的研究,但是就目前的進展來看,分類識別正確率和信息傳輸效率仍有很大的進步空間。本文主要圍繞以下這三點進行了研究：第一,本論文在總結(jié)前人理論研究的基礎上,根據(jù)mVEP的信號特征,實現(xiàn)了基于mVEP的實用化在線腦-機接口系統(tǒng)。我們采用水平移動的方式作為視覺刺激模塊,成功的誘發(fā)出了高質(zhì)量的mVEP腦電信號,并解析編碼了對應的控制指令,實現(xiàn)了對虛擬紅色小球自由移動的控制。同時,依據(jù)被試實驗結(jié)果,還簡要分析了mVEP在被試間和被試內(nèi)的差異性問題。第二,在被試特征差異的基礎上,本論文基于前面的工作,在之前構(gòu)建的mVEP-BCI的基礎上,將廣泛運用于基于運動想象的腦-機接口系統(tǒng)等腦-機接口系統(tǒng)的CSP特征提取算法應用到了mVEP-BCI中,并取得了不錯的效果,有效的提升了mVEP-BCI的識別準確率。第三,為了提高mVEP-BCI的信息傳輸率,本論文構(gòu)建了一種新的適用于mVEP-BCI的動態(tài)停止策略方法。mVEP是視覺運動反應的一種頭皮腦電,一般包含P1,N2和P2三種成分。通常情況下,需要通過幾次疊加來提高mVEP信號的信噪比,但是,更多的疊加次數(shù)意味著需要更多的任務時間,無疑會降低范式的執(zhí)行效率�？紤]到被試狀態(tài)的不穩(wěn)定性,基于被試實時mVEP的信號質(zhì)量確定相應的疊加次數(shù),對提高基于mVEP的腦-機接口系統(tǒng)的通信效率有非常重要的作用。在我們的研究中,根據(jù)訓練數(shù)據(jù)的真實信息傳輸率,我們利用mVEP腦電信號的3個主要成分構(gòu)建了一個腦-機接口系統(tǒng)中實驗刺激的動態(tài)停止策略。在在線測試的過程中,實驗的重復刺激會在實時腦電信號達到預先設定的閾值時自動停止,并開始新一輪任務的刺激。評估測試的結(jié)果表明,我們提出來的動態(tài)停止策略,能夠顯著地提高基于mVEP的腦-機接口系統(tǒng)的信息傳輸效率。由于在實際應用中,腦-機接口系統(tǒng)的信息的傳輸效率非常重要,所以對其的改進也就具有非常重要的價值。
【關鍵詞】：腦-機接口 運動起始視覺誘發(fā)電位 共同空間模式 自適應疊加次數(shù)
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：R338;TN911.7
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-21
• 1.1 腦-機接口的背景介紹10-16
• 1.1.1 腦-機接口系統(tǒng)的構(gòu)成框架10-12
• 1.1.2 腦-機接口的類型12-16
• 1.2 腦電中的特征提取及模式識別方法16-18
• 1.2.1 特征提取算法簡介17
• 1.2.2 模式分類算法簡介17-18
• 1.3 腦-機接口中的自適應算法介紹18-19
• 1.4 本文主要工作19
• 1.5 論文結(jié)構(gòu)19-21
• 第二章 基于mVEP的腦-機接口系統(tǒng)構(gòu)建21-35
• 2.1 運動起始視覺誘發(fā)電位的特征及原理21-23
• 2.1.1 運動起始視覺誘發(fā)電位的特征及相關腦區(qū)21-22
• 2.1.2 運動起始誘發(fā)電位的誘發(fā)方式22-23
• 2.2 mVEP-BCI的系統(tǒng)構(gòu)成23-28
• 2.2.1 系統(tǒng)框架23-27
• 2.2.2 數(shù)據(jù)處理流程27-28
• 2.3 結(jié)果分析28-33
• 2.3.1 離線的腦電數(shù)據(jù)28-31
• 2.3.2 系統(tǒng)實際控制效果31-33
• 2.4 mVEP-BCI的應用方向33
• 2.5 本章小結(jié)33-35
• 第三章 CSP算法在mVEP-BCI中的應用35-41
• 3.1 CSP算法介紹35-36
• 3.2 實驗數(shù)據(jù)描述36
• 3.3 實驗數(shù)據(jù)處理36-38
• 3.3.1 預處理36-37
• 3.3.2 傳統(tǒng)的特征提取方法37
• 3.3.3 用CSP算法進行特征提取37-38
• 3.4 結(jié)果分析38-40
• 3.4.1 兩種特征提取方式的分類結(jié)果散點圖38-39
• 3.4.2 被試控制表現(xiàn)比較39-40
• 3.5 本章小結(jié)40-41
• 第四章 mVEP-BCI系統(tǒng)中的動態(tài)停止策略研究41-51
• 4.1 引言41-42
• 4.2 材料與方法42-44
• 4.2.1 實驗設計42
• 4.2.2 預處理42
• 4.2.3 數(shù)據(jù)分析42
• 4.2.4 實驗數(shù)據(jù)按固定疊加次數(shù)的方法分析42-43
• 4.2.5 動態(tài)停止策略43-44
• 4.3 實驗結(jié)果44-46
• 4.3.1 mVEP的信號特征44-45
• 4.3.2 mVEP-BCI控制表現(xiàn)45-46
• 4.3.3 mVEP的3種成分對腦-機接口系統(tǒng)表現(xiàn)的影響46
• 4.4 討論46-50
• 4.4.1 動態(tài)停止策略對腦-機接口系統(tǒng)性能的提升47-49
• 4.4.2 被試的個體偏差49-50
• 4.4.3 對于異步BCI的控制50
• 4.4.4 參考電極的影響50
• 4.5 本章小結(jié)50-51
• 第五章 總結(jié)與展望51-53
• 5.1 全文總結(jié)51
• 5.2 未來展望51-53
• 致謝53-54
• 參考文獻54-59
• 攻讀碩士學位期間取得的成果59

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 高上凱;;神經(jīng)工程與腦-機接口[J];生命科學;2009年02期

2 賈川;閆錚;洪波;高小榕;高上凱;;相位集聚指數(shù)在腦-機接口特征提取中的應用[J];清華大學學報(自然科學版);2010年06期

3 任亞莉;;基于腦電的腦-機接口系統(tǒng)[J];中國組織工程研究與臨床康復;2011年04期

4 郭苗苗;徐桂芝;王磊;高海娟;;聽覺腦-機接口技術實驗范式的研究進展[J];中國生物醫(yī)學工程學報;2013年05期

5 官金安,林家瑞;腦-機接口技術進展與挑戰(zhàn)[J];中國醫(yī)療器械雜志;2004年03期

6 李鵬海;丁皓;萬柏坤;明東;;腦-機接口在移動外設控制中的應用研究進展[J];生物醫(yī)學工程學雜志;2011年03期

7 王陸洲;王索剛;匡光濤;;一種基于心算任務的腦-機接口范式的研究[J];生物醫(yī)學工程學雜志;2013年03期

8 任宇鵬,王廣志,程明,高小榕,季林紅;基于腦-機接口的康復輔助機械手控制[J];中國康復醫(yī)學雜志;2004年05期

9 張謙;王振;秦琦;萬柏坤;;基于腦電Alpha波的腦-機接口控制系統(tǒng)研究[J];醫(yī)療衛(wèi)生裝備;2006年06期

10 萬柏坤,高揚,趙麗,綦宏志;腦-機接口:大腦對外信息交流的新途徑[J];國外醫(yī)學.生物醫(yī)學工程分冊;2005年01期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 高上凱;高小榕;洪波;張志廣;楊福生;;腦-機接口的發(fā)展現(xiàn)狀與未來[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

2 高小榕;;面向臨床的腦-機接口研究[A];中國神經(jīng)科學學會第十屆全國學術會議論文摘要集[C];2013年

3 張濤;裴曉梅;鄭崇勛;王釗;;基于運動相關腦電的在線腦-機接口系統(tǒng)構(gòu)建[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

4 趙慧;李遠清;;腦-機接口技術研究概況[A];中南六�。▍^(qū)）自動化學會第24屆學術年會會議論文集[C];2006年

5 王毅軍;洪波;高小榕;高上凱;;結(jié)合能量和相位特征的多分類想象運動腦-機接口[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

6 萬柏坤;綦宏志;陳濱津;張謙;王振;;腦-機接口中想象動作電位提取方法研究[A];第一屆全國腦與認知科學學術研討會論文集[C];2005年

7 李耀楠;張小棟;王云霞;;腦-機接口驅(qū)動神經(jīng)義肢手系統(tǒng)的研究[A];第七屆全國康復醫(yī)學工程與康復工程學術研討會論文集[C];2010年

8 夏哈雷;夏斌;楊文璐;;基于OpenViBE的運動想象腦-機接口研究[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

中國重要報紙全文數(shù)據(jù)庫 前1條

1 本報記者 趙建國;“意念”控制技術讓人們心想事成[N];中國知識產(chǎn)權(quán)報;2008年

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 官金安;腦—機接口及其信號的單次提取[D];華中科技大學;2005年

2 郭曉靜;獨立分量分析在腦—機接口中的應用研究[D];安徽大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳瑞;基于mVEP的腦—機接口關鍵技術研究[D];電子科技大學;2015年

2 郭飛;基于運動起始視覺響應和認知正相晚成分的腦-機接口[D];清華大學;2009年

3 劉濤;基于運動起始視覺響應的在線實用化腦—機接口[D];清華大學;2010年

4 郜東瑞;便攜式無線腦-機接口硬件設計[D];中南民族大學;2011年

5 孟麗晶;基于P300和SSVEP的腦—機接口研究[D];華東理工大學;2013年

6 權(quán)蘇會;基于LabVIEW的實時腦—機接口系統(tǒng)實現(xiàn)[D];重慶大學;2008年

7 高海洋;便攜式聽覺腦—機接口研究與實現(xiàn)[D];清華大學;2012年

8 肖丹丹;腦—機接口的模式分類及其DSP實現(xiàn)[D];中南民族大學;2009年

9 陳龍;基于多生理信息串行融合的在線hBCI技術[D];天津大學;2014年

10 王江;基于腦電mu節(jié)律的腦—機接口系統(tǒng)的研究[D];河北工業(yè)大學;2006年

，

本文編號：528614