基于想象運動的腦-機接口控制技術(shù)及應(yīng)用.pdf_第1頁
已閱讀1頁,還剩77頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、腦-機接口(Brain-Computer Interface,BCI)系統(tǒng)能夠?qū)崿F(xiàn)人腦與外部設(shè)備之間的直接交流和控制,使人腦與外界環(huán)境進(jìn)行信息交流時不再依賴外周神經(jīng)和肌肉組織。由于BCI系統(tǒng)具有巨大的理論研究價值以及實際應(yīng)用前景,該技術(shù)已成為近年來生物醫(yī)學(xué)工程領(lǐng)域中研究的熱點。
  本文在充分了解國內(nèi)外相關(guān)研究的基礎(chǔ)上,以想象運動作為切入點,使用腦電圖(Electroencephalogram,EEG)腦電信號系統(tǒng)地研究了基于想象

2、運動的腦-機接口,設(shè)計EEG腦電信號提取的實驗方案,對采集得到的腦電信號提取模型參數(shù)特征,選擇合適的分類器對特征向量進(jìn)行分類,并對腦-機接口的實際應(yīng)用進(jìn)行了探索,取得了卓有成效的成果。主要內(nèi)容如下:
  1、設(shè)計了基于想象左手、右手和腳部運動的腦電信號采集實驗方案。根據(jù)腦電信號產(chǎn)生原理和想象運動腦電信號的特點,設(shè)計了提取想象運動腦電信號的實驗方案和新的實驗范式,提取了三種不同想象運動任務(wù)的腦電數(shù)據(jù),為后續(xù)的離線分析處理奠定了數(shù)據(jù)基

3、礎(chǔ)。
  2、進(jìn)行了以模型參數(shù)為特征的分類研究。本文采用模型法對估計功率譜,并分析了自回歸(AutoRegressive,AR)模型提取非平穩(wěn)隨機信號特征的不足,采用自適應(yīng)自回歸(Adaptive AutoRegressive,AAR)模型和多變量自適應(yīng)自回歸(Multi Variable AAR,MVAAR)模型對EEG腦電信號提取特征,并針對想象運動EEG信號的特點,對AAR模型和MVAAR模型進(jìn)行改進(jìn),為了在通道數(shù)減少的情況

4、下更精準(zhǔn)地表現(xiàn)EEG腦電信號,使用模型參數(shù)作為特征向量。使用Fisher分類器、BP神經(jīng)網(wǎng)絡(luò)和支持向量機(SVM)對三種模型參數(shù)特征進(jìn)行分類識別,并對SVM的參數(shù)進(jìn)行優(yōu)化,提高了分類識別率。
  3、設(shè)計基于ThinkGear ASIC Module(TGAM)和想象運動的在線腦-機接口系統(tǒng),實現(xiàn)對移動小車終端的控制。面對同步在線腦-機接口的狀態(tài)判定問題,本文利用基于TGAM的頭戴式設(shè)備作為在線腦-機接口的狀態(tài)監(jiān)測模塊,實現(xiàn)對使用

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論