基于SSVEP的NAO機器人遙操作系統(tǒng)研究.pdf

1、腦-機接口(brain-computer interface，BCI)是一種通過腦信號處理而建立起大腦和外界交流的新型人機接口方式，可為運動障礙者提供語言交流和環(huán)境控制的途徑。本文針對穩(wěn)態(tài)視覺誘發(fā)電位(steady-state visual evoked potential，SSVEP)進行了實驗及模式分類識別算法研究，將腦-機接口技術和機器人控制技術相結合，設計搭建了腦電信號控制的基于事件的NAO機器人遙操作系統(tǒng)。本文主要工作集中在信

2、號處理和系統(tǒng)搭建兩方面。
　　首先通過分析設計視覺刺激器，搭建了穩(wěn)態(tài)視覺誘發(fā)電位信號的數(shù)據(jù)采集系統(tǒng)。接著通過對比巴特沃斯帶通濾波及小波閾值去噪和去除基線漂移的方法，確定小波閾值去噪方法進行數(shù)據(jù)預處理。并且通過對三種不同視覺刺激頻率下的腦電信號分析，提出了基于小波分解系數(shù)奇異值、小波包分解系數(shù)子帶能量和經(jīng)驗模型結合自回歸分解系數(shù)的三種特征提取方法，并以實驗采集數(shù)據(jù)為處理對象完成特征提取。接著改進了LVQ網(wǎng)絡分類器、基于粒子群參數(shù)優(yōu)化

3、的BP神經(jīng)網(wǎng)絡分類器和基于遺傳算法的SVM分類器，并以該三種分類器對以上特征提取結果進行分類，達到了預期效果。
　　本文還設計搭建了基于穩(wěn)態(tài)視覺誘發(fā)電位信號的NAO機器人遙操作系統(tǒng)。通過設計機器人反饋交互界面和模式切換方式，改善了基于事件的機器人控制條件。并通過控制機器人完成行走和放置物體的一系列實驗任務對系統(tǒng)進行了驗證。
　　綜上所述，本文所提出的信號提取與識別算法為最終實現(xiàn)BCI的應用奠定了理論和實驗基礎，并且所設計的腦