学位论文 > 优秀研究生学位论文题录展示
脑电图信号识别技术在智能假肢领域中的应用研究
作 者: 郭宏博
导 师: 王斐
学 校: 东北大学
专 业: 模式识别与智能系统
关键词: 智能假肢 脑机接口 alpha波阻断 运动想象 视觉诱发
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 9次
引 用: 0次
阅 读: 论文下载
内容摘要
脑-机接口(Brain-computer Interface, BCI),是不依赖于人体外周神经和肌肉的信息传输通道,它提出了一种与外界环境通讯的新方法。基于脑电图信号(Electroencephalogram, EEG)的BCI系统具有成本低、操作方便、对大脑无损伤等优点,是当前脑-机接口研究的主要方向。BCI的研究有明确的控制应用背景,因此,对于开发连接和控制下肢机械腿的BCI具有十分重要的现实意义。本文分别以基于稳态视觉诱发电位的BCI系统、基于alpha波阻断的BCI系统和基于运动想象的BCI系统分别为研究对象,对这三个方向进行了深入的研究和讨论。其中,针对稳态视觉诱发电位,本文创新性的利用独立成分分析(Independent components analysis, ICA)算法、小波分析(Wavelet Analysis)和快速傅里叶变换(Fast Fourier Transform, FFT)进行研究,并设计了较时分编码、频分编码更为有效的相频编码方式,得到了更为有效的编码结果。对于alpha波阻断的BCI系统,利用巴特沃斯和小波分析进行去噪以及特征提取,设计了带有反馈信息的alpha波阻断控制流程,通过控制流程,避免了alpha波阻断眼电、肌电和其他噪声成分产生的假阳性误操作,实现了对机械腿较高精度的控制。另外,在运动想象BCI控制部分,使用了自回归模型(AutoRegressive, AR),小波变换、经验模型分解(Empirical mode decomposition, EMD)以及EMD和AR模型相结合的方法进行特征提取,并设计了Fisher线性分类器(FLD)和支持向量机(Support Vector Machine, SVM)分类器,实现了运动想象的BCI系统设计,通过大量实验完成了脑电信号的预处理、特征提取及模式分类的等各个部分的研究,得到了最优的特征提取及分类效果,实现了运动想象BCI的设计,为脑-机接口应用于假肢领域做出了更进一步尝试。
|
全文目录
摘要 5-6 Abstract 6-11 第1章 绪论 11-17 1.1 BCI技术概述 11-12 1.1.1 BCI技术背景简介 11 1.1.2 BCI基本概念 11-12 1.1.3 BCI系统的组成 12 1.2 BCI的研究方向及其研究现状 12-14 1.3 课题的研究意义 14-15 1.4 本文的主要内容结构 15-17 第2章 BCI系统的研究背景 17-29 2.1 引言 17 2.2 BCI系统基本原理 17-20 2.2.1 BCI接口的系统组成 17-19 2.2.2 BCI系统的基本原理 19-20 2.3 EEG的分类 20-27 2.3.1 不同节律的自发EEG 20-21 2.3.2 自发EEG的alpha节律 21-22 2.3.3 不同状态的诱发EEG 22 2.3.4 稳态视觉诱发电位 22-23 2.3.5 运动想象EEG信号的生理基础 23-27 2.4 本章小结 27-29 第3章 基于SSVEP的BCI系统在虚拟现实中的应用 29-51 3.1 引言 29 3.2 SSVEP实验介绍 29-31 3.2.1 SSVEP信号分析 29-30 3.2.2 SSVEP实验描述 30-31 3.3 基于ICA的EEG信号去噪 31-35 3.3.1 ICA的定义及线性模型 31-34 3.3.2 ICA判据 34 3.3.3 EEG信号的ICA处理 34-35 3.4 基于FFT和小波变换的SSVEP研究 35-46 3.4.1 FFT变换原理 35-37 3.4.2 小波变换介绍 37-41 3.4.3 基于小波和FFT的SSVEP实验结果分析 41-46 3.5 SSVEP的编码方式 46-48 3.5.1 传统SSVEP编码方式 46-47 3.5.2 相-频编码 47-48 3.6 基于SSVEP的BCI系统虚拟现实设计 48-49 3.7 本章小结 49-51 第4章 基于Alpha阻断控制智能假肢的BCI系统设计 51-69 4.1 引言 51 4.2 Alpha波控制原理 51-52 4.3 Emotiv设备介绍 52-53 4.3.1 Emotiv设备及其数据介绍 52-53 4.3.2 Emotiv下的Alpha波阻断 53 4.4 Emotiv的EEG信号预处理 53-60 4.4.1 巴特沃斯带通滤波设计 54-55 4.4.2 基于小波变换的去噪方法 55-57 4.4.3 基于小波变换的脑电节律分解 57-60 4.5 Alpha波阻断的特征提取 60-62 4.6 基于SimMechanics仿真的alpha波阻断控制 62-67 4.6.1 SimMechanics简介 62-63 4.6.2 基于SimMechanics的机械腿设计 63-64 4.6.3 Alpha波阻断控制机械腿 64-67 4.7 本章小结 67-69 第5章 基于运动想象控制智能假肢的BCI系统设计 69-93 5.1 数据描述及预处理 69-72 5.2 EEG信号特征提取算法 72-82 5.2.1 基于AR模型估计的特征提取 73-76 5.2.2 基于小波变换的特征提取 76-78 5.2.3 基于EMD的特征提取方法 78-82 5.3 脑电分类器设计 82-90 5.3.1 脑电分类器设计 82-83 5.3.2 Fisher线性判别分析与设计 83-87 5.3.3 支持向量机 87-90 5.4 运动想象分类结果分析 90-91 5.5 本章小结 91-93 第6章 总结与展望 93-95 6.1 结论 93-94 6.2 问题与展望 94-95 参考文献 95-101 致谢 101
|
相似论文
- 异构双腿机器人步态规划与控制研究,TP242
- 异构双腿机器人步态识别系统的设计与实现,TP391.41
- 间充质干细胞治疗视神经损伤的临床观察,R774.6
- 基于运动想象和alpha波的脑机接口及虚拟漫游系统,TP334.7
- 双眼形觉剥夺成年大鼠视皮层可塑性与CSPGs和tPA表达关系的研究,R77
- 基于脑机接口技术的电视遥控系统研究与设计,TP872
- 自适应脑机接口控制系统研究,TP334.7
- 多关节机械臂的脑机控制方法探索,TP242
- 近红外光谱技术用于老年人大脑皮质运动想象作用的研究,R741
- 已治愈单眼弱视患者多焦视觉诱发电位的研究,R777.44
- 智能下肢假肢的多运动模式自适应控制,TP273.2
- 下肢姿态检测及运动状态预测算法研究,TP242.6
- 基于运动起始视觉响应的在线实用化脑—机接口,R318.0
- 基于大鼠闪光刺激视皮层诱发电位的研究,Q42
- 基于平行因子模型的运动想象脑电分类,R318.04
- 偏头痛患者视觉诱发电位的观察,R747.2
- 基于左右手运动想象的分类算法与脑—机接口研究,TP11
- 基于稳态视觉诱发电位的脑机接口系统的设计与研究,TP11
- 基于视听觉刺激下左右手运动想象的脑机接口研究,R318.0
- 肌电信号控制下肢假肢关键技术研究,TP273.5
- 双自由度控制平台的设计与研究,TP273
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|