基于视觉诱发脑电的脑机接口研究与实现

摘要

脑机接口技术可以建立一条“大脑-计算机-设备”新通道，而不依赖传统的外周神经和肌肉组织，因此可为四肢严重残疾的患者提供一种新的对外控制或交流的方式。脑机接口技术涉及神经科学、认知科学、控制科学等多个学科。随着计算机技术及脑科学的发展，脑机接口技术已经成为国内外研究的热门领域之一。
　　本文主要研究基于视觉诱发脑电信号的脑机接口系统，稳态视觉诱发电位和p300是两种常用于脑机接口研究的视觉诱发电位。本文对稳态视觉诱发电位脑机接口和p300脑机接口中的关键技术进行了研究，主要从视觉刺激界面设计、脑电信号采集、脑电信号处理以及在线控制系统实现等几个方面开展工作。
　　对于稳态视觉诱发电位的分析，根据其频率特性明显的特点，采用小波分解重构、快速傅里叶变换、典型相关性分析的方法分别对其进行预处理、特征提取和模式分类。离线实验中采集了8名受试者在四类任务下的稳态视觉诱发脑电数据，通过小波去噪声结合典型相关性分析的方法对四类任务下稳态视觉诱发电位进行模式分类，取得了85％以上的平均正确率。
　　在稳态视觉诱发脑电数据离线分析的基础上，本文实现了基于稳态视觉诱发电位的在线脑机接口系统，受试者可以通过选择注视视觉刺激界面中的不同闪烁块控制NAO机器人向不同方向运动。8名受试者通过该脑机接口系统来控制NAO机器人的运动，每3秒向下位机发送一次控制指令，并最终取得了87.5%的平均正确率。
　　本文针对 p300时域特征明显同时具有一定频率性分布规律的特性，采用了带通滤波结合独立成分分析、叠加平均结合小波包分解、支持向量机模式分类的方法对 p300脑电信号分别进行预处理、特征提取和模式分类。实验采集了六名受试者 p300脑电信号，六类任务模式条件下分类的平均正确率达到80%以上。
　　本研究首先对稳态视觉诱发电位和p300的离线数据进行了分析，针对不同电位的不同特性选择了相应的信号处理算法，在离线条件下取得了较高的正确率。另外，本文实现了使用方便且具备较高正确率和通信速率的在线脑机接口系统，对脑机接口技术的实际应用具有推进作用。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1课题研究的背景及意义

1.2课题的国内外研究现状

1.3研究中存在的问题

1.4章节安排

第二章 脑机接口基本原理

2.1脑机接口系统

2.2脑电信号简介

2.3脑电信号采集

2.4脑电信号处理

2.5 本章小结

第三章 基于SSVEP的脑机接口离线研究

3.1 SSVEP视觉刺激界面设计

3.2 SSVEP脑电信号预处理

3.3 SSVEP脑电信号特征提取

3.4 SSVEP脑电信号模式分类

3.5本章小结

第四章 基于SSVEP的在线脑机接口系统实现

4.1 SSVEP在线系统总体介绍

4.2 SSVEP在线系统实现方法

4.3 SSVEP在线系统实验

4.4在线系统实验结果分析

4.5本章小结

第五章 基于p300电位的脑机接口离线研究

5.1 p300视觉刺激界面设计

5.2 p300脑电预处理

5.3 p300脑电信号特征提取

5.4 p300脑电信号模式分类

5.5本章小结

第六章 总结与展望

6.1总结

6.2未来展望

参考文献

发表论文和科研情况说明

致谢