学位论文 > 优秀研究生学位论文题录展示

基于USB技术的脑—机接口系统设计

作　者: 尹胜琴
导　师: 万柏坤
学　校: 天津大学
专　业: 生物医学工程
关键词: 脑电图(EEG) 脑—机接口(BCI) 事件相关电位(ERP) 通用串行总线(USB) Oddball刺激序列小波变换(WT) 独立分量分解(ICA)
分类号: R319
类　型: 硕士论文
年　份: 2005年
下　载: 186次
引　用: 0次
阅　读: 论文下载

内容摘要

脑—机接口(Brain-Computer Interface——BCI)是在人脑和计算机或其他电子设备之间建立的一种直接的信息交流和控制通道,是一种不依赖于常规大脑输出通路(外周神经和肌肉组织)的全新的信息交流系统。BCI作为一种全新的信息交换和控制技术,正受到越来越多的重视;它不仅能为瘫痪病人提供一种与外界进行信息交流和控制的新途径,而且能应用于航天(例如:用思维直接控制飞机)等其它领域。本论文根据脑电中一种内源性的与认知功能有关的特殊诱发电位—事件相关电位(ERP),其主要与心理因素相关,如P300等,结合USB传输技术设计了基于P300的脑—机接口系统(BCI)。受试者注视Oddball序列的字符,P300单个波出现,脑电信息传送到计算机,分析得到P300出现时刻对应的Oddball序列闪烁的行列号(第几行第几列),例如字符“O”,在第3行第3列,将此信息“33”从计算机传输到密码系统,并与预先设定的密码(多个字符)进行比对,如果正确,便开启密码锁、或者输出打印该字符。论文将BCI系统划分为两大部分,一部分是BCI系统的“软件部分”,即事件相关电位(P300)提取的算法研究,另一部分是BCI系统的“硬件部分”即基于USB脑电采集平台和密码系统的设计。在BCI系统的“软件部分”,以反映大脑稀少认知事件的相关电位P300为例,阐述了小波变换和独立分量分解两种方法的改进思想。针对小波变换(WT),先去除与P300混杂的EEG背景干扰,然后对消除干扰后的脑电数据进行重构和P300波峰检测,在此基础上尝试修正P300波峰的潜伏期时移,再通过小波重构获得通常需多次相干平均才能得到的P300波形;针对独立分量分解(ICA),采用扩展Informax独立分量分解算法,先去除眼动、工频干扰,再重构脑电数据,并经光滑处理,最后经少次叠加即可得到比较满意的P300波形。在整个BCI系统“硬件部分”设计上,应用了USB通信技术。通过USB将采集的数据传输到计算机内部,并在VB编写的软件环境中显示、存储并进行数据处理,然后将受试者选定的字符信息传输到外围密码系统中,经比对后输出到LED,同时设计独立的键盘来输入预设的密码。整个系统能够脱离EZ-USB开发板提供的开发环境,成为一个独立的USB设备在计算机windows环境下被访问。

全文目录

独创性声明和学位论文版权使用授权书  2-3
中文摘要  3-4
Abstract  4-8
第一章绪论  8-17
  1.1 脑-机接口(BCI)概述  8-9
  1.2 BCI 系统的“软件”部分  9-12
    1.2.1 事件相关电位P300  10-11
    1.2.2 P300 传统的分析方法  11-12
    1.2.3 P300 分析技术的现状  12
  1.3 BCI 系统的“硬件”部分  12-15
    1.3.1 通用串行总线USB  13-14
    1.3.2 基于USB 的采集系统  14-15
    1.3.3 基于USB 的密码系统  15
  1.4 本课题的研究内容  15-17
第二章小波变换提取事件相关电位  17-35
  2.1 小波变换  17-21
    2.1.1 小波变换基本概念  17-18
    2.1.2 小波多分辨率分解基本理论  18-21
  2.2 利用小波变换去除工频干扰  21-26
    2.2.1 小波变换的频率特性  21-22
    2.2.2 仿真研究  22-25
    2.2.3 实验研究  25-26
  2.3 小波变换去除眼动干扰  26-30
    2.3.1 小波的分解特性  27
    2.3.2 仿真研究  27-29
    2.3.3 实验研究  29-30
  2.4 小波变换提取P300 电位  30-34
    2.4.1 ERP 小波分析思路  30-31
    2.4.2 ERP 提取仿真计算  31-32
    2.4.3 ERP 实验与P300 提取  32-34
  2.5 结论  34-35
第三章独立分量分析提取事件相关电位  35-45
  3.1 独立分量分析方法  35-39
    3.1.1 独立分量分析方法原理  35-36
    3.1.2 ICA 理论和实现  36-39
      3.1.2.1 ICA 的基本要求  36
      3.1.2.2 ICA 的目标函数  36-37
      3.1.2.3 ICA 的优化算法  37-39
  3.2 ICA 的处理结果与分析  39-42
    3.2.1 ICA 去除干扰原理  39-40
    3.2.2 仿真实验  40-41
    3.2.3 ICA 去除眼动和工频干扰  41-42
  3.3 ICA 提取 P300  42-44
    3.3.1 仿真计算  42-43
    3.3.2 ICA 进行 P300 少次提取  43-44
  3.4 结论  44-45
第四章基于 USB 技术的 BCI 系统设计  45-59
  4.1 基于 USB 的脑电采集平台  45-51
    4.1.1 采集平台的硬件设计  45-48
      4.1.1.1 头皮电极和前置放大器  45-47
      4.1.1.2 EZ-USB 与 A/D 模块设计  47-48
    4.1.2 采集平台的固件设计  48-50
    4.1.3 采集平台的软件工作环境  50-51
  4.2 基于 USB 的 P300 密码系统  51-57
    4.2.1 密码系统的硬件设计  52-53
    4.2.2 密码系统的固件设计  53-57
      4.2.2.1 密码输出  54-56
      4.2.2.2 预设密码  56-57
  4.3 BCI 系统的整合  57-59
第五章总结与展望  59-61
  5.1 研究总结  59-60
  5.2 展望  60-61
参考文献  61-65
发表论文和参加科研情况说明  65-66
附录  66-67
致谢  67

基于USB技术的脑—机接口系统设计

内容摘要

全文目录

相似论文