腦-機(jī)接口（Brain Computer Interfaces,BCI）包括多種模式,其中運(yùn)動(dòng)想象腦-機(jī)接口（Motor Imagery Brain-Computer Interface,MI-BCI）通過(guò)解碼運(yùn)動(dòng)想象激發(fā)腦電信號(hào)的節(jié)律變化,控制外部裝置,應(yīng)用領(lǐng)域廣泛。本文以實(shí)現(xiàn)腦電信號(hào)控制智能機(jī)器人的前進(jìn)、左轉(zhuǎn)和右轉(zhuǎn)為目標(biāo),以單次檢測(cè)錯(cuò)誤相關(guān)負(fù)電位（Error Related Negativity,ERN）為切入點(diǎn),進(jìn)而實(shí)現(xiàn)系統(tǒng)自主識(shí)別錯(cuò)誤的運(yùn)動(dòng)想象分類(lèi),重點(diǎn)解決MI-BCI工程系統(tǒng)中反饋效果差的問(wèn)題。研究過(guò)程中,以三分類(lèi)運(yùn)動(dòng)想象測(cè)試對(duì)象,著重解決基于ERN反饋的MI-BCI系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)、實(shí)驗(yàn)范式的設(shè)計(jì)、運(yùn)動(dòng)想象特征提取技術(shù)、ERN反饋裝置技術(shù)、ERN單次特征提取及檢測(cè)技術(shù)、系統(tǒng)控制平臺(tái)的搭建等一系列工程技術(shù)問(wèn)題。主要完成工作包括:（1）設(shè)計(jì)了在線運(yùn)動(dòng)想象誘發(fā)ERN實(shí)驗(yàn)范式。實(shí)驗(yàn)基于運(yùn)動(dòng)想象在線處理系統(tǒng),采用屏幕顯示運(yùn)動(dòng)想象分類(lèi)識(shí)別結(jié)果誘發(fā)ERN;通過(guò)對(duì)屏幕顯示出現(xiàn)時(shí)刻打標(biāo),定位ERN的起始點(diǎn),完成對(duì)受試者感知錯(cuò)誤時(shí)刻準(zhǔn)確定位,為后續(xù)ERN時(shí)域分析提供可靠時(shí)間參考點(diǎn)。（2）設(shè)計(jì)了運(yùn)... 

【文章來(lái)源】：鄭州大學(xué)河南省 211工程院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景及意義
    1.2 MI-BCI技術(shù)研究現(xiàn)狀
    1.3 存在問(wèn)題及研究趨勢(shì)
    1.4 解決思路
    1.5 研究?jī)?nèi)容和論文結(jié)構(gòu)
2 關(guān)鍵技術(shù)研究
    2.1 系統(tǒng)功能分析與結(jié)構(gòu)設(shè)計(jì)
    2.2 實(shí)驗(yàn)范式的設(shè)計(jì)
        2.2.1 離線運(yùn)動(dòng)想象實(shí)驗(yàn)范式
        2.2.2 在線運(yùn)動(dòng)想象誘發(fā)ERN實(shí)驗(yàn)范式
    2.3 運(yùn)動(dòng)想象特征提取技術(shù)
        2.3.1 小波變換提取運(yùn)動(dòng)想象特征
        2.3.2 小波包分解提取運(yùn)動(dòng)想象特征
        2.3.3 CSP提取運(yùn)動(dòng)想象特征
        2.3.4 AR功率譜估計(jì)提取運(yùn)動(dòng)想象特征
        2.3.5 運(yùn)動(dòng)想象特征分類(lèi)結(jié)果對(duì)比
    2.4 ERN單次特征提取及檢測(cè)技術(shù)
        2.4.1 技術(shù)難點(diǎn)
        2.4.2 去除偽跡
        2.4.3 ERN激活區(qū)域分析
        2.4.4 ERN時(shí)域特性分析
        2.4.5 提取ERN特征
        2.4.6 ERN特征優(yōu)化
        2.4.7 五折交叉驗(yàn)證結(jié)果
    2.5 本章小結(jié)
3 基于ERN反饋的MI-BCI系統(tǒng)設(shè)計(jì)
    3.1 信號(hào)采集模塊設(shè)計(jì)
        3.1.1 實(shí)驗(yàn)范式刺激程序的設(shè)計(jì)
        3.1.2 采集電極導(dǎo)聯(lián)的設(shè)計(jì)
        3.1.3 Scan4.5軟件參數(shù)的設(shè)置
    3.2 運(yùn)動(dòng)想象在線分類(lèi)識(shí)別模塊設(shè)計(jì)
        3.2.1 EEG預(yù)處理模塊設(shè)計(jì)
        3.2.2 運(yùn)動(dòng)想象特征提取模塊
        3.2.3 離線訓(xùn)練模型
    3.3 ERN反饋裝置
    3.4 外部裝置控制模塊
    3.5 硬件和軟件基礎(chǔ)
    3.6 系統(tǒng)控制平臺(tái)設(shè)計(jì)
        3.6.1 系統(tǒng)控制平臺(tái)框架設(shè)計(jì)
        3.6.2 系統(tǒng)控制平臺(tái)工作模式設(shè)計(jì)
        3.6.3 與EEG采集系統(tǒng)的通信
        3.6.4 與E-Prime通信
        3.6.5 調(diào)用MATLAB程序
        3.6.6 外部裝置通信
    3.7 小結(jié)
4 基于ERN反饋的MI-BCI系統(tǒng)實(shí)現(xiàn)
    4.1 受試者的選擇
    4.2 系統(tǒng)在線測(cè)試準(zhǔn)備工作
    4.3 系統(tǒng)在線測(cè)試
    4.4 測(cè)試結(jié)果及分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及參與的項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于小波變換和盲源分離的P300識(shí)別算法研究[J]. 胡春海,信思旭,劉斌,劉永紅.  計(jì)量學(xué)報(bào). 2017(02)
[2]基于小波多尺度分析和極限學(xué)習(xí)機(jī)的癲癇腦電分類(lèi)算法[J]. 崔剛強(qiáng),夏良斌,梁建峰,涂敏.  生物醫(yī)學(xué)工程學(xué)雜志. 2016(06)
[3]基于左右手運(yùn)動(dòng)想象單通道腦電信號(hào)的預(yù)處理研究[J]. 李松,伏云發(fā),楊秋紅,劉傳偉,孫會(huì)文.  生物醫(yī)學(xué)工程學(xué)雜志. 2016(05)
[4]高精度微弱腦電檢測(cè)數(shù)�；旌峡刂菩酒到y(tǒng)[J]. 孫建輝,劉軍濤,徐聲偉,蓋淑萍,蔡新霞.  儀器儀表學(xué)報(bào). 2016(05)
[5]基于馬爾科夫切換過(guò)程的運(yùn)動(dòng)想象信號(hào)分類(lèi)[J]. 吳俊,楊雅,俞祝良,顧正暉,李遠(yuǎn)清.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2014(06)
[6]基于時(shí)-頻-空間域的運(yùn)動(dòng)想象腦電信號(hào)特征提取方法研究[J]. 王月茹,李昕,李紅紅,邵成成,應(yīng)立娟,吳水才.  生物醫(yī)學(xué)工程學(xué)雜志. 2014(05)
[7]基于歸一化AR模型譜值的運(yùn)動(dòng)想像腦電識(shí)別[J]. 周瑛,羅志增.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(S1)
[8]一種基于盲源分離的眼電偽跡自動(dòng)去除方法[J]. 計(jì)瑜,沈繼忠,施錦河.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2013(03)
[9]基于小波變換和時(shí)域能量熵的P300特征提取算法[J]. 王攀,沈繼忠,施錦河.  儀器儀表學(xué)報(bào). 2011(06)
[10]三維虛擬現(xiàn)實(shí)環(huán)境中基于EEG的異步BCI小車(chē)導(dǎo)航系統(tǒng)[J]. 趙啟斌,張麗清,CICHOCKI Andrzej.  科學(xué)通報(bào). 2008(23)

博士論文
[1]運(yùn)動(dòng)想象腦—機(jī)接口的神經(jīng)機(jī)制與識(shí)別算法研究[D]. 張銳.電子科技大學(xué) 2015

碩士論文
[1]基于異步在線BCI的機(jī)器人導(dǎo)航系統(tǒng)研究[D]. 張利朋.鄭州大學(xué) 2016
[2]基于盲源分離的眼電偽跡去除技術(shù)研究[D]. 張姍姍.鄭州大學(xué) 2014



本文編號(hào)：3164693