脑机接口分类算法及实验研究

论文题目: 脑机接口分类算法及实验研究

论文类型: 博士论文

论文专业: 生物医学工程

作者: 刘伯强

导师: 王明时

关键词: 脑机接口,小波去噪,实验设计,模式识别,事件分类

文献来源: 天津大学

发表年度: 2005

论文摘要: 脑机接口是在人脑和计算机或其它电子设备之间建立的一种直接的信息交流和控制通道,是一种不依赖常规大脑输出通道(外周神经和肌肉组织)的全新的信息交流系统,它是电子技术,计算机技术发展的必然产物,其研究包括两个方面:一个是产生并控制可以用于BCI系统检测的思维活动信息的大脑;另一个是BCI系统,它识别思维活动信息,并归纳为具体控制命令,从而表达使用者的意图,实现用思维对外部设备的直接信息交流和控制。它的发展需要多学科知识的交叉和融合,它涉及到神经生物学、心理学、工程学、数学、计算机科学以及临床康复学等众多学科的内容。BCI不同于传统意义上的脑-机接口。它不依赖常规的大脑输出通路,为大脑开辟了一种全新的与外界进行沟通的途径。BCI的研究为残障人员提供一种新的信息交流和控制手段。BCI研究的科学意义是这种技术能够为思维正常但运动功能残缺的人提供新型的弥补功能,特别是对那些丧失了所有肌肉控制的瘫痪病人,使得他们能够学习思维模式,重新获得对感觉和运动功能的控制。因此,脑机接口技术的研究对促进康复医学的发展具有重要的理论意义和实用价值。本文采用无创方式下的大脑皮层电极获的数据,建立了实验的软件平台。基于大脑的活动方式,展开对原始信息获得的实验方法、分析理论及处理技术的研究。研究了MRI下的Bold模式的处理算法以决定脑激活区的位置分布。完成了相关任务刺激下的实验及分析。由于噪声的存在,不同事件诱发脑电信号的直接提取难以完成。而采用小波理论算法进行信号的检测和噪声处理具有明显的优势和应用价值。针对不同任务下的个体差异的特性,进行了神经网络学习算法用于分类问题研究,依据研究问题的模板类型完成了事件的识别和分类等相关问题的探讨。完成了相关电位和生理机制有关的实验研究。设计了空间滤波器用于实验数据特征的提取,探讨了支持向量机的原理、方法及算法等分类技术。研究结果显示,多种方法结合的技术可以是提高事件分类精度的一项有效的途径。

论文目录:

摘要

ABSTRACT

第一章 绪论

1.1 脑电信号的研究和发展历史

1.2 脑-机接口的发展背景

1.3 脑-机接口的基本内容

1.3.1 BCI 的定义

1.3.2 BCI 的研究目的与科学意义

1.3.3 BCI 技术研究现状

1.4 本课题研究的内容

第二章 基于EEG 的BCI 研究方法

2.1 引言

2.2 BCI 研究中脑皮层神经电信号的获取

2.2.1 诱发电位及其特点

2.2.2 自发脑电

2.2.3 植入电极信号

2.3 EEG 信息的记录

2.3.1 EEG 记录方法

2.4 信号的处理方法

2.4.1 信号的预处理及特征的提取

2.4.2 转换算法

2.5 研究方法和准则

2.6 基于EEG 的BCI 技术现状

2.6.1 依赖型BCI 与独立型BCI

2.6.2 BCI 发展的关键性问题

2.7 本章小节

第三章 BCI 接口实验系统的设计与实现

3.1 引言

3.2 系统的整体设计

3.3 放大器电路的设计

3.4 任务的建立

3.5 USB 通信接口设计

3.6 PC 端软件的设计方案

3.7 上位机实验软件平台的设计

3.7.1 系统功能的运行

3.7.2 档案和数据管理功能

3.7.3 参数设置和数据采集功能

3.7.4 数据记录和输出功能

3.8 本章小节

第四章 电刺激下MRI 处理算法研究及实验分析

4.1 引言

4.2 电刺激下MRI 的实验方法

4.2.1 BOLD 模式下的处理方式

4.2.2 实验设计

4.2.3 图像配准

4.2.4 互信息理论

4.2.5 独立分量分析方法去除噪声

4.2.6 激活区检测

4.2.7 仿真结果

4.2.8 结论

4.3 事件相关电位实验设计和分析

4.3.1 脑电数据记录装置功能的构成

4.3.2 实验的相关要求

4.4 事件相关电位的实验内容和实验结果分析

4.4.1 随机作业（OB 刺激序列）实验

4.4.2 图片阅读分类判断实验

4.4.3 短程颜色记忆和提取实验

4.4.4 位置方向确认试验

4.4.5 短程记忆实验

4.4.6 汉字句意识别试验

4.4.7 不同显示概率变化实验

4.4.8 汉字句意的阅读及识别实验

4.5 本章小节

第五章 BCI 中的脑电诱发电位处理方法的研究

5.1 引言

5.2 卡尔曼滤波方法

5.3 带外输入的自回归算法

5.4 附加信号处理方法

5.5 自适应法

5.6 波形变换法

5.6.1 傅立叶变换法

5.6.2 小波变换法

5.6.3 二进小波变换

5.6.4 Mallat 算法和多采样数字滤波器组

5.6.5 基于小波变换的消噪方法

5.6.6 阈值的处理方法

4.6.7 算法的改进

5.6.8 多分辨率分析

5.7 小波多分辨率分析法对实验数据的去噪处理

5.7.1 基于阈值法的白噪声滤除

5.7.2 基于小波分解与重构法的基线漂移滤除

5.7.3 基于小波分解与重构和极大值法的肌电干扰滤除

5.8 小波变换应用于视觉诱发脑电信号的提取

5.8.1 视觉诱发信号的提取方法

5.8.2 错位叠加和小波分解的方法去除背景脑电信号

5.8.3 小波分解重构方法提取诱发信号

5.9 本章小节

第六章 基于神经网络的事件分类技术

6.1 引言

6.2 人工神经网络的特点

6.3 网络模型

6.4 BP 学习算法

6.4.1 网络误差与权值的调整

6.4.2 BP 网络的学习过程

6.5 标准BP 算法的改进

6.6 BP 神经网络在左右手运动识别事件的研究

6.7 用于左右手运动识别的BP 网络的设计和实现

6.7.1 分类识别

6.7.2 分类结果

6.7.3 相关问题

6.7.4 总结与展望

6.8 本章小节

第七章 脑机接口相关实验和分类算法研究

7.1 引言

7.2 手指运动事件的实验及分析

7.2.1 实验数据的获取

7.2.2 处理流程

7.2.3 BP 特征描述

7.2.4 事件相关同步和去同步（ERS / ERD）的特征描述

7.2.5 数据预处理

7.2.6 特征提取

7.2.7 特征f_1的提取

7.2.8 特征f_2的提取

7.2.9 基于ERD 的特征提取

7.2.10 基于SVM 的事件分类

7.2.11 事件的分类结果

7.2.12 结论

7.3 打靶实验

7.3.1 上下打靶实验设计

7.3.2 实验方法及数据获取

7.3.3 实验分析方法

7.4 本章小节

第八章 总结与展望

8.1 全文总结

8.2 展望

参考文献

附录 攻读博士学位期间发表的论文情况

致谢

发布时间: 2007-07-10

参考文献

• [1].面向临床应用的脑机接口技术研究[D]. 肖君.华南理工大学2018
• [2].多通道无线低功耗双向脑机接口关键技术研究[D]. 苏亿.武汉大学2016
• [3].分尺度复杂性及希尔伯特-黄变换在脑电分析中的应用[D]. 毛大伟.浙江大学2005
• [4].运动型脑机接口中神经元峰电位记录与检测的关键技术研究[D]. 周寅.浙江大学2017
• [5].高性能视觉ERP脑机接口若干问题研究[D]. 马征.大连理工大学2016
• [6].稳态视觉诱发电位在脑机接口及认知过程中的应用研究[D]. 吴正华.电子科技大学2008
• [7].基于汉字的多模态脑机交互技术研究[D]. 王力.东南大学2015
• [8].基于视觉诱发电位的脑机接口实验研究[D]. 何庆华.重庆大学2003
• [9].自发式多分类脑机协同控制方法研究[D]. 姜俊.国防科学技术大学2016
• [10].基于强化学习的植入式脑机接口神经信息解码：算法设计及应用[D]. 汪芳.浙江大学2015

相关论文

• [1].脑—机接口及其信号的单次提取[D]. 官金安.华中科技大学2005
• [2].EEG脑机接口的连续预测方法研究[D]. 朱晓源.中国科学技术大学2007
• [3].基于想象左右手运动思维脑电BCI实验及识别分类研究[D]. 伍亚舟.第三军医大学2007

标签：脑机接口论文;  小波去噪论文;  实验设计论文;  模式识别论文;  事件分类论文;