基于想象驾驶行为的脑电信号分析与脑机接口研究

摘要

脑机接口技术在康复领域的应用是为那些有肢体残疾但大脑思维正常的人群提供一种辅助控制方式。本文对基于想象驾驶的脑电特征及控制接口系统进行了研究,目的是为有肢体障碍的人群提供一种辅助驾驶方式。为了模拟真实的驾驶环境,实验设计将外界动态的交通场景融入到研究中,同时从驾驶者自身感知包括视觉、听觉及视听多模态感知出发,设计了基于多模态感知的驾驶场景并对采集的相关脑电信号进行特征分析。实验中将受试者本身作为黑盒系统,受试者在交通信息的提示下利用左右手想象运动,实现对车辆或轮椅的启动和制动控制。
　　利用Neuroscan软件,本文对采集的三类感知下的脑电数据分别进行了预处理,并利用公共空间模式(common spatial patterns, CSP)算法进行了特征提取分析和比较。同时,将线性回归模型引入了特征信号的分类中,取得了较好的分类效果。
　　鉴于听觉感知的良好效果,利用SPEC061a单片机及外围系统,设计了基于语音识别技术的脑电驾驶模型,利用语音系统对车辆模型进行命令驱动,并将其作为基于受试者本身的反馈信息,以便及时对错误信息进行调整。
　　全文主要研究工作如下：
　　1、虚拟交通环境的设计
　　采用三维动画软件Maya技术,设计了虚拟的动态交通环境。结合现实交通场景,从视觉、听觉以及视听融合的交通信息出发,分别设计了基于不同感知的三种环境。其中视觉设计采用了红绿灯系统,听觉设计采用刹车鸣笛提示音频系统,而视听环境则采用二者环境的融合。虚拟交通环境的设计,即能够从实际驾驶环境出发,充分考虑人类感知器官对脑电的影响,又能够提高了脑电采集中受试者对实验的沉浸感。
　　2、脑电的预处理
　　脑电的采集和预处理采用美国Neuroscan公司的脑电采集系统,利用该软件进行了去眼电、肌电、工频干扰等预处理,并利用脑电地形图软件进行了定位分析,得出不同感知下的脑电在反应强度和持续时间上存在着不同,听觉感知下得到的响应脑电持续时间较长,超过1 s,为本文中脑电驾驶的进一步研究奠定了基础。
　　3、脑电的特征提取
　　选用CSP算法,对预处理的数据分别从时域、频域进行了特征提取。结果表明：听觉感知下得到的脑电信息时域特征明显,在与左右手想象运动相关的电极C3、C4上,均表现出右手任务得到的脑电幅值高于左手任务,且最大幅值差达120μV,且脑电响应时间较长,这一点与脑电地形图分析结果类似。
　　4、分类处理
　　文中将线性回归算法引入到脑电的分类处理中,视觉和视听感知下的最高平均识别率达 83.3%,而对于特征比较明显的听觉感知下的脑电数据来说,最高平均识别率达96.67%。从处理结果看,线性回归算法在对听觉感知下脑电数据分类中,取得了较好的效果。
　　5、基于语音识别的脑电驾驶模型的设计
　　根据三类脑电处理结果,针对听觉感知实验获得的良好效果,本文结合语音识别技术,利用SPCE061a单片机系统,设计了以语音作为反馈效果的脑机接口车辆控制模型,实现了利用想象脑电控制车辆前进和停止的目的,为残疾人车辆驾驶提供了实验数据。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§1-1 脑机接口研究背景

§1-2 脑机接口发展概述

§1-3 脑机接口系统简介

§1-4 脑机接口研究方法

§1-5 与驾驶行为有关的脑电研究现状

§1-6 本文研究内容

第二章 基于运动想象的脑机接口研究基础

§2-1 脑电信号生理特点

§2-2 运动想象脑电信号

§2-3 本章小结

第三章 基于想象驾驶行为的脑电实验采集及预处理

§3-1 研究方案

§3-2 脑电的预处理

§3-3 本章小结

第四章 驾驶脑电的特征分析研究

§4-1 脑电信号的特征分析方法

§4-2 傅里叶变换与功率谱

§4-3 公共空间模式CSP算法的特征提取

§4-4 CSP算法在频域、时域内的特征提取结果及比较分析

§4-5 本章小结

第五章 驾驶脑电的分类方法研究

§5-1 概述

§5-2 线性判别分析

§5-3 支持向量机SVM

5-4 线性回归分类算法

§5-5 比较与讨论

§5-6 本章小结

第六章 基于语音识别技术的BCI车辆辅助控制模型

§6-1 语音识别技术

§6-2 基于语音控识别的BCI智能小车控制方案

§6-3 本章小结

第七章 总结与展望

参考文献

致谢

攻读博士学位期间所取得的相关科研成果