学位论文 > 优秀研究生学位论文题录展示
基于运动想象脑电信号的机器人控制研究
作 者: 满海涛
导 师: 孟明
学 校: 杭州电子科技大学
专 业: 模式识别与智能系统
关键词: 脑电信号 小波阈值 双树复小波变换样本熵 CI-HMM分类器 支持向量机
分类号: TP242
类 型: 硕士论文
年 份: 2014年
下 载: 4次
引 用: 0次
阅 读: 论文下载
内容摘要
脑-机接口(Brain-Computer Interface,BCI)是一种新颖的交互方式,受到国内外学者的广泛关注和研究。脑-机接口不依赖外周神经和肌肉进行信息传输,是在人脑和外设之间建立的一种通讯系统。因而,可以通过脑电信号控制辅助装置,为行动不便的残疾人提供服务,为患有焦虑症的人调节情绪,协助偏瘫患者进行康复训练,也可以为人们提供新的娱乐方式等。本文以运动想象脑电信号为载体研究了脑电信号的预处理、特征提取和模式分类等问题,并设计了利用脑电信号控制机器人运动的方法。本文做了以下工作:(1)利用一种改进了的小波阈值方法对脑电信号进行消噪处理,该方法通过处理小波系数模的幂次和阈值的幂次来估计小波系数,它不仅改善了传统小波阈值处理方法的不足,而且保留了它们的优势。(2)由于人在想象单侧肢体动作时,运动想象脑电信号中的ERD/ERS现象在特定频段较为显著,可以获得有效的表征运动想象任务的特征信息。针对这一特性,以及脑电信号的非线性特性,提出了双树复小波样本熵的特征提取方法,该方法通过双树复小波变换,把脑电信号进行多层分解,抽取出对应于运动想象脑电信号中ERD/ERS现象的节律波信号,并用样本熵方法提取该节律波的特征。(3)在脑电信号模式分类中,针对隐马尔科夫模型的独立性假设与脑电信号间相关性的不一致问题,提出一种基于Choquet模糊积分隐马尔科夫模型的脑电信号分类方法。该模型应用模糊积分的单调性取代了概率测度的可加性,放宽了隐马尔科夫模型的独立性假设,可以有效提高隐马尔科夫模型方法对运动想象脑电信号分类的性能。(4)设计了一套运动想象脑电信号控制移动机器人的BCI系统实验方案,用右脚踢球、左手捡球、左脚单脚跳左手扔球、右脚单脚向前跳后并右手捡球四种运动想象任务控制机器人的前进、刹车、左转、右转四种基本运动。(5)分别采用2008年BCI Competition IV Datasets1数据和实验采集的多类运动想象脑电信号数据进行实验,实验结果表明双树复小波样本熵特征提取方法可以有效提高不同类别运动想象脑电信号的可分性,针对多类复杂运动想象脑电信号的分类,CI-HMM分类器的识别率优于SVM分类器。
|
全文目录
摘要 5-6 ABSTRACT 6-10 第1章 绪论 10-17 1.1 课题研究背景和意义 10-11 1.2 脑机接口与国内外研究现状 11-15 1.2.1 脑机接口系统组成 11-12 1.2.2 国内外研究现状 12-15 1.3 本文主要研究工作与内容 15-16 1.3.1 本论文研究的工作 15 1.3.2 研究内容的总体结构 15-16 1.4 本章小结 16-17 第2章 脑电信号的概述与预处理 17-26 2.1 脑电信号的概述 17-20 2.1.1 脑电信号的产生机理 17 2.1.2 脑电信号的特点 17-18 2.1.3 运动想象脑电信号 18-19 2.1.4 脑电检测中脑电极的导联方法 19-20 2.2 常用脑电信号预处理方法 20-21 2.3 小波阈值脑电消噪 21-23 2.4 实验分析 23-25 2.5 本章小结 25-26 第3章 脑电信号的特征提取 26-34 3.1 常用的特征提取方法 26-27 3.2 基于双树复小波样本熵脑电信号特征提取 27-33 3.2.1 双树复小波变换 27-29 3.2.2 样本熵理论 29-30 3.2.3 样本熵参数的选择 30 3.2.4 实验分析 30-33 3.3 本章小结 33-34 第4章 脑电信号的模式分类 34-46 4.1 常用的分类方法 34-35 4.2 CI-HMM模型 35-39 4.2.1 隐马尔科夫模型 35-36 4.2.2 模糊测度 36 4.2.3 Choquet积分 36-37 4.2.4 CI-HMM定义 37 4.2.5 CI-HMM算法 37-39 4.3 支持向量机(SVM) 39-42 4.4 实验分析 42-45 4.4.1 CI-HMM分类识别 42-44 4.4.2 SVM分类识别 44-45 4.4.3 不同分类器分类效果的比较 45 4.5 本章小结 45-46 第5章 基于运动想象脑电信号的机器人控制 46-59 5.1 基于脑电信号的机器人控制平台 46-48 5.1.1 总体控制方案 46 5.1.2 机器人控制实现 46-48 5.1.2.1 Voyager-IIA机器人简介 46-47 5.1.2.2 运动想象脑电信号控制机器人的系统设计 47-48 5.2 脑电信号的采集与实验方案 48-50 5.2.1 运动想象脑电信号的采集 48-49 5.2.2 实验方案设计 49-50 5.3 运动想象状态下脑电信号的预处理 50-52 5.4 运动想象状态下脑电信号的特征提取 52-54 5.5 运动想象状态下脑电信号的识别分析 54-57 5.6 机器人控制实验 57-58 5.7 本章小结 58-59 第6章 总结与展望 59-61 6.1 本文工作总结 59-60 6.2 研究展望 60-61 致谢 61-62 参考文献 62-67 附录 67
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于小波变换的语音信号去噪及其DSP算法实现,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 基于特征选择的入侵检测研究,TP393.08
- LS-SVM算法预测煤层瓦斯涌出量技术研究及应用,TD712.5
- 基于支持向量机的故障诊断研究,TH165.3
- 基于MRI灌注的计算机辅助肝脏病变检测,R445.2
- 隐私保护线性规划和支持向量机新算法,O221.1
- 人类抗原肽载体结合力预测,R392.1
- 软测量技术在氯甲烷回收中的应用研究,TQ222.214
- 基于改进的支持向量机的模拟电路故障诊断方法研究,TN710
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 机器人技术 > 机器人
© 2012 www.xueweilunwen.com
|