由于在康復(fù)醫(yī)療等行業(yè)的突出貢獻(xiàn),腦-機(jī)接口（Brain Computer Interface,BCI）已經(jīng)成為國(guó)際智能科學(xué)領(lǐng)域的一個(gè)研究熱點(diǎn)。基于單次運(yùn)動(dòng)想象腦電信號(hào)的BCI系統(tǒng)是將不同運(yùn)動(dòng)的腦想象產(chǎn)生的腦電（Electroencephalogram,EEG）信號(hào)作為輸入,通過(guò)分析生成判斷運(yùn)動(dòng)狀態(tài)的控制信號(hào)。對(duì)于EEG信號(hào)的模式識(shí)別是整個(gè)系統(tǒng)設(shè)計(jì)中的重點(diǎn)。本文以單次運(yùn)動(dòng)想象腦電信號(hào)的意圖識(shí)別為基礎(chǔ),研究分析了動(dòng)想象EEG信號(hào)的采集、去噪、特征提取、分類(lèi)的過(guò)程。（1）針對(duì)自發(fā)的腦電誘發(fā)范式缺少監(jiān)督,長(zhǎng)期單調(diào)的任務(wù)容易造成受試者注意力下降等問(wèn)題,文章提出了一種具有運(yùn)動(dòng)反饋的腦電誘發(fā)范式——“碗球”實(shí)驗(yàn)。在腦電意圖想象的基礎(chǔ)上添加動(dòng)態(tài)反饋控制,以研究約束操作對(duì)象任務(wù)中的腦電意圖識(shí)別。（2）EEG信號(hào)中包含豐富的時(shí)間空間信息,為了濾除其中的噪聲偽跡,本文對(duì)最大分量分析法和獨(dú)立成分分析法在去除腦電信號(hào)所包含偽跡的分離性能以及處理的實(shí)時(shí)性進(jìn)行對(duì)比。結(jié)果表明,兩種方法對(duì)噪聲信號(hào)均具有分離效果,且都可以保證實(shí)時(shí)性,但最大分量分析法比獨(dú)立成分分析法具有分離效果更好,相關(guān)性指標(biāo)更高,分離相似度高,相似度值... 

【文章來(lái)源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究意義
    1.2 腦-機(jī)接口技術(shù)概述
        1.2.1 腦-機(jī)接口的基本概念和研究意義
        1.2.2 腦-機(jī)接口的基本組成
        1.2.3 腦-機(jī)接口研究中的腦神經(jīng)信號(hào)
    1.3 基于運(yùn)動(dòng)想象BCI的國(guó)內(nèi)外研究現(xiàn)狀和發(fā)展
        1.3.1 國(guó)外研究現(xiàn)狀
        1.3.2 國(guó)內(nèi)研究現(xiàn)狀
    1.4 本文的主要研究?jī)?nèi)容及組織結(jié)構(gòu)
第2章 運(yùn)動(dòng)想象腦電數(shù)據(jù)
    2.1 腦電信號(hào)的基本理論
        2.1.1 腦電信號(hào)產(chǎn)生的機(jī)制
        2.1.2 腦電信號(hào)的分類(lèi)
        2.1.3 腦電信號(hào)的特點(diǎn)
    2.2 腦電信號(hào)的采集
    2.3 運(yùn)動(dòng)想象腦電信號(hào)
    2.4 “碗球”實(shí)驗(yàn)
        2.4.1 設(shè)計(jì)思想
        2.4.2 數(shù)學(xué)建模
        2.4.3 數(shù)據(jù)采集
        2.4.4 數(shù)據(jù)截取
    2.5 本章小結(jié)
第3章 基于子成分分解的腦電信號(hào)去噪方法比較研究
    3.1 基于子成分分解的算法原理
        3.1.1 最大分量分析方法
        3.1.2 獨(dú)立分量分析
    3.2 結(jié)果分析
        3.2.1 分離結(jié)果
        3.2.2 分離性能評(píng)價(jià)
    3.3 本章小結(jié)
第4章 基于相位波動(dòng)尺度分析的EEG特征提取
    4.1 算法流程
    4.2 相位特征分析
    4.3 尺度分析
    4.4 本章小結(jié)
第5章 運(yùn)動(dòng)想象腦電信號(hào)特征識(shí)別
    5.1 分類(lèi)器算法原理
    5.2 結(jié)果分析
        5.2.1 BCI競(jìng)爭(zhēng)數(shù)據(jù)集
        5.2.2 “碗球”實(shí)驗(yàn)數(shù)據(jù)集
    5.3 其他分類(lèi)方法
    5.4 結(jié)果討論
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于可調(diào)Q因子小波變換的識(shí)別左右手運(yùn)動(dòng)想象腦電模式研究[J]. 陳萬(wàn)忠,王曉旭,張濤.  電子與信息學(xué)報(bào). 2019(03)
[2]有約束復(fù)雜隨動(dòng)被控對(duì)象理論分析與模型建立[J]. 付榮榮,田永勝,侯培國(guó),鮑甜恬.  高技術(shù)通訊. 2018(Z2)
[3]腦機(jī)接口技術(shù)在創(chuàng)傷性腦損傷神經(jīng)功能修復(fù)中的應(yīng)用研究進(jìn)展[J]. 馬珂,徐會(huì)友,江繼鵬,段峰,牛學(xué)剛,張賽,陳旭義,涂悅.  中華創(chuàng)傷雜志. 2018 (08)
[4]腦機(jī)接口技術(shù)的神經(jīng)康復(fù)與新型應(yīng)用[J]. 明東,安興偉,王仲朋,萬(wàn)柏坤.  科技導(dǎo)報(bào). 2018(12)
[5]穩(wěn)態(tài)視覺(jué)誘發(fā)電位頻率響應(yīng)特性研究[J]. 陳小剛,徐圣普.  北京生物醫(yī)學(xué)工程. 2018(03)
[6]腦機(jī)接口技術(shù)綜述[J]. 賀文韜.  數(shù)字通信世界. 2018(01)
[7]基于子空間分解的腦電信號(hào)眼電偽跡自動(dòng)去除方法研究[J]. 付榮榮,侯培國(guó),時(shí)培明,孟宗.  計(jì)量學(xué)報(bào). 2017(06)
[8]基于多類(lèi)運(yùn)動(dòng)想象任務(wù)的EEG信號(hào)分類(lèi)研究[J]. 馬滿振,郭理彬,蘇奎峰.  計(jì)算機(jī)測(cè)量與控制. 2017(10)
[9]基于總體經(jīng)驗(yàn)?zāi)B(tài)分解的多類(lèi)特征的運(yùn)動(dòng)想象腦電識(shí)別方法研究[J]. 楊默涵,陳萬(wàn)忠,李明陽(yáng).  自動(dòng)化學(xué)報(bào). 2017(05)
[10]多類(lèi)運(yùn)動(dòng)想象腦電信號(hào)的兩級(jí)特征提取方法[J]. 孟明,朱俊青,佘青山,馬玉良,羅志增.  自動(dòng)化學(xué)報(bào). 2016(12)



本文編號(hào)：3044800