腦電信號控制智能輪椅的研究.pdf

1、腦電信號(Electroencephalogram，EEG)是腦神經細胞群電生理活動的綜合反映，其中蘊涵著豐富的生理、心理信息。人體在動作或者進行思維任務時，腦電信號都會產生相應的變化。通過腦電信號分析，解讀出操作者的意愿，獲得相應的控制信息，進而控制外部對象的人機接口技術，已經成為生物醫(yī)學工程領域的研究熱點。
　　 本文研究了腦電信號的采集、預處理、特征提取、以及基于腦電信號的模式識別等方法，并設計了相應的腦電信號控制輪椅的方

2、案。論文階段所做的主要工作及創(chuàng)新點如下：
　　 (1)在腦電信號預處理方面，提出了一種改進閾值的平移不變量小波消噪算法。首先在重復循環(huán)平移原始信號消除不連續(xù)點相互干擾的基礎上，分別進行小波分解；其次使用改進的閾值量化算法，通過處理小波系數模的冪次和閾值的冪次來估計小波系數，并重構信號；最后通過重構信號的相反平移求出各次處理的平均值，得到消噪后的信號。通過頻譜分析發(fā)現消噪后的腦電信號有效保留腦電信號4種基本節(jié)律δ波、θ波、α波和β

3、波，同時消除了高頻的噪聲干擾。此外，與傳統的閾值消噪法相比，該方法提高了信噪比，降低了均方誤差。
　　 (2)提出了一種分步進行的模式識別方法，首先提取運動想象和非運動想象腦電信號節(jié)律波小波能量和小波熵特征，利用二叉樹支持向量機模式識別。若識別結果為非運動想象腦電信號，則停止識別；若識別結果為運動想象腦電信號，則通過小波包變換將其C3，C4，Cz導從頻域上擴展成99導信號，用CSP算法提取特征，并通過二叉樹支持向量機繼續(xù)識別。該

4、方法用于第四屆BCI國際競賽數據(Data sets2a)，最優(yōu)識別結果的Kappa系數達到0.50以上，驗證了該方法的有效性。
　　 (3)以Patrafour電動輪椅為實驗對象，設計了相應的腦電信號控制輪椅的方案。設計了腦電信號采集輔助軟件，采集低頭、抬頭、鼓氣、吞咽、深呼吸、伸舌6個動作狀態(tài)下的腦電信號，用小波包變換和CSP方法進行特征提取，并用二叉樹SVM進行模式分類，識別結果的Kappa系數高于0.52，證明上述規(guī)定動