学位论文 > 优秀研究生学位论文题录展示

基于想象动作电位的BCI系统设计与实验研究

作　者: 陈滨津
导　师: 万柏坤
学　校: 天津大学
专　业: 生物医学工程
关键词: 脑—机接口(BCI) 想象动作电位事件相关去同步(ERD) 时频图谱(TFS) 功率谱密度(PSD) 复杂度K_c 功率谱熵(PSE) 小波熵(WE) Mahalanobis距离判别法
分类号: TP334.7
类　型: 硕士论文
年　份: 2005年
下　载: 213次
引　用: 4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它电子设备之间建立的一种直接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)的全新信息交流系统。BCI作为一种全新的信息交换与控制技术,将能为瘫痪病人,特别是那些丧失了基本肢体运动功能但思维正常的患者,提供一种与外界进行信息交流与控制的新途径,正受到越来越广泛的关注。某些类型的事件相关现象体现了连续脑电(electroencephalograph, EEG)信号在特定频域内能量的减少或增加现象,分别反映出皮质神经细胞群同步性活动的减弱或增强。其前者定义为事件相关去同步(event-related desynchronization, ERD),后者定义为事件相关同步(event-related synchronization, ERS)。本文根据想象动作可以引起脑电信号的ERD/ERS特异性变化这一思想,设计了一组基于想象动作电位的BCI实验,其核心研究内容是如何通过提取脑电特征参数来识别想象动作的发生。本文分别使用了时频图谱(Time-Frequency Spectrogram, TFS)、功率谱密度(Power Spectral Density, PSD)、复杂度(complexity Kc)以及两种信息熵:功率谱熵(Power Spectral Entropy, PSE)与小波熵(Wavelet Entropy, WE)作为特征参数,对手部想象动作执行前、后的动态脑电信号进行分析,并与目前常用的mu节律事件相关去同步(ERD)参数进行比较,以期寻找特异性更强的动态参数。实验结果显示在想象动作条件下,在对侧的运动、感觉区域中,TFS、PSD、Kc、PSE和WE均表现出与mu节律的强度变化具有明显的锁时相关性。同时这些参数对左、右手想象动作的响应也具有显著不同,且区分错误率呈明显的降低趋势。利用上述特征参数对想象动作电位测试数据进行分类的结果表明:分类的最高正确率可超过80%;其中PSD、Kc、PSE和WE具有良好的时域分辨能力和较准确的区分效果,可以作为特征参数用于在线BCI系统;并且应用Mahalanobis距离判别法能够明显提高模式识别的正确率(普遍提高5个百分点),可获得比直观比较法更为满意的分类结果。以上研究结果将为实时BCI系统的设计提供良好的实验依据。

全文目录

中文摘要  3-5
ABSTRACT  5-9
第一章绪论  9-17
  1.1 BCI 研究目的和意义  9-11
    1.1.1 BCI 简介  9
    1.1.2 BCI 应用目标和科学意义  9-11
  1.2 BCI 研究现状  11-14
  1.3 本文的BCI 技术方案选择  14-15
    1.3.1 BCI 实验信号的选择  14-15
    1.3.2 信号采集方式的选择  15
  1.4 本文主要研究内容与章节安排  15-17
    1.4.1 主要研究内容  15-16
    1.4.2 主要章节安排  16-17
第二章 BCI 实验系统设计  17-36
  2.1 脑与EEG 产生基础  17-20
    2.1.1 脑生理学基础  17-19
      2.1.1.1 大脑皮质结构简介  17-18
      2.1.1.2 大脑皮质的分区与功能定位  18-19
    2.1.2 EEG 的生理生化基础  19-20
  2.2 基于EEG 的BCI 实验方法  20-29
    2.2.1 EEG 信号特征  20-21
    2.2.2 EEG 记录方法  21-23
      2.2.2.1 电极的选择与安置方法  21-22
      2.2.2.2 导联选择方式  22-23
    2.2.3 EEG 信号处理方法  23-27
      2.2.3.1 EEG 数据的预处理  23-24
      2.2.3.2 EEG 信号处理方法  24-27
    2.2.4 基于EEG 的BCI 系统性能评价  27-29
  2.3 基于ERD/ERS 的BCI 实验系统设计  29-36
    2.3.1 ERD/ERS 的电生理学基础简介  29-30
    2.3.2 基于ERD 的BCI 实验设计原理  30-36
      2.3.2.1 EEG 信号放大器参数  30
      2.3.2.2 信号采集卡的选择  30-31
      2.3.2.3 实验电极的选择与安置  31
      2.3.2.4 导联选择方式  31
      2.3.2.5 实验平台的设计  31-32
      2.3.2.6 实验过程简述  32-36
第三章想象动作电位信号提取  36-62
  3.1 时频分析法  37-43
    3.1.1 短时傅里叶变换理论基础  37-38
    3.1.2 基于短时傅里叶变换的时频分析法  38-42
    3.1.3 功率谱密度算法的性能评价  42-43
  3.2 复杂度分析  43-48
    3.2.1 复杂度理论基础  44-45
    3.2.2 基于K_c理论的EEG信号分析  45-47
    3.2.3 K_c算法的性能评价  47-48
  3.3 功率谱熵(Power Spectral Entropy, PSE)分析  48-52
    3.3.1 功率谱熵理论基础  48-49
    3.3.2 基于功率谱熵的EEG 信号分析  49-51
    3.3.3 功率谱熵算法性能评价  51-52
  3.4 小波熵(Wavelet Entropy, WE)分析  52-58
    3.4.1 小波变换理论基础  53
    3.4.2 基于小波变换的小波熵理论  53-54
    3.4.3 基于小波熵的EEG 信号分析  54-56
    3.4.4 小波熵算法性能评价  56-58
  3.5 基于距离判别法的意识任务分类方法  58-62
第四章课题总结与展望  62-65
  4.1 课题总结  62-63
  4.2 课题展望  63-65
参考文献  65-68
发表论文和科研情况说明  68-69
致谢  69

基于想象动作电位的BCI系统设计与实验研究

内容摘要

全文目录

相似论文